在經(jīng)過(guò)仔細(xì)閱讀文檔后發(fā)現(xiàn)，其實(shí)MATLAB的說(shuō)明文檔已經(jīng)寫(xiě)得很清楚，現(xiàn)摘出如下：

J = imnoise(I,type,parameters) Depending on type, you can specify additional parameters to imnoise 《一線大廠Java面試題解析+后端開(kāi)發(fā)學(xué)習(xí)筆記+最新架構(gòu)講解視頻+實(shí)戰(zhàn)項(xiàng)目源碼講義》無(wú)償開(kāi)源 威信搜索公眾號(hào)【編程進(jìn)階路】 . All numerical parameters are normalized— they correspond to operations with images with intensities ranging from 0 to 1.

其中最關(guān)鍵的就是 normalized，即歸一化，方差值在0~1之間。這時(shí)才想起來(lái)，關(guān)于gaussian參數(shù)的說(shuō)明：

J = imnoise(I,‘gaussian’,M,V) adds Gaussian white noise of mean m and variance v to the image I. The default is zero mean noise with 0.01 variance.

即默認(rèn)的M，V值分別為0， 0.01（注意此處的方差形式）。

所以最終的結(jié)論就是 需要對(duì)方差歸一化處理 ，比如此處要對(duì)一幅256*256的圖像加入標(biāo)準(zhǔn)偏差為10的高斯噪聲，那么相應(yīng)的語(yǔ)句應(yīng)為：

J = imnoise(I, ‘gaussian’, 0, 10^2/2552)

總結(jié)

以上是生活随笔為你收集整理的MATLAB中给图像加高斯噪声时imnoise的方差参数问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。