问题标签 [noise-generator]

我正在尝试按如下方式（在 MATLAB 中）向测量信号添加 5 % 噪声，但是当我计算添加后的噪声百分比时，它超出了 +/- 5 % 。你能告诉我为什么会这样吗？它不应该在 +/- 5% 的范围内吗？

我正在尝试用 Python 复制P. Bourke的“景观频率合成”。我以为这将是一个简单的

但这似乎要复杂得多。我怎样才能做到这一点，如何检查结果图像中的功率是否真的下降了 1/f**2？

为了改进我的程序地图生成，我一直在学习更多关于生成噪声的实际工作原理。

考虑到这一点，我一直在对本教程系列进行关于噪声和噪声导数的 Python 改编。所以我想我会构建一个基于ANL和libnoise的节点/模块系统，当我完成后至少可能对其他人有用。

我一直在将这个Javascript 版本的 libnoise翻译成 Python，因为我以前使用过它并且熟悉它，并将其改编为 1D 和 4D 噪声（除了它已经做过的 2D 和 3D）和衍生产品。

原始教程中使用的导数加法、减法和乘法涵盖了很多模块功能，但我已经介绍了更复杂的功能，我正在努力弄清楚我应该如何处理导数。

我在 Blend 模块，它接受三个不同的噪声输入，并用第三个作为 lerp 函数中的 alpha / time 值对其中两个进行插值，如下所示；

我有点迷茫，不知道该怎么办。我是否应该丢弃噪声的导数并根据插值计算新的导数？对于每个轴都有多个导数的更高维度，这将如何工作？

或者我是否将旧的噪声导数插入到新的导数中？

原始版本还对 alpha 噪声变量进行了某种缓和，我从计算噪声导数中的理解是，这肯定需要有一个导数版本，但是该噪声的导数是否应该在最终混音中发挥任何作用？

我已经实现了高斯和拉普拉斯机制，以便在差分隐私的上下文中向查询添加噪声。在比较两种机制时，Gaussian 似乎比 Laplace 添加了更多的噪声，这与其背后的理论相矛盾，因为 Gaussian 是 DP 的宽松定义。

该图显示了应用于计数查询时的错误，例如“数据库中有多少人超过 30 岁？” 在 epsilon 的不同值上。通过比较添加噪声前后的查询结果，使用均方根误差测量误差。db 的大小为 200。黄线表示拉普拉斯机制，而红色、蓝色、绿色和青色表示高斯，delta 分别为 1/100、1/200、1/1000 1/10000。

高斯机制的误差高于拉普拉斯，这意味着高斯比拉普拉斯增加了更多的噪声。此外，据我了解，delta 越低，线应该越接近拉普拉斯机制，这在图中显示为相反。

所以我试图理解为什么我的机制与它背后的理论不符。任何反馈表示赞赏。

我想要的是一个均匀且平滑的随机函数，即有界 beetwen 两个值

平滑随机函数的第一个候选者将是 perlin 噪声，但它的分布并不均匀，如图所示

是否有任何均匀、平滑和钳位的随机函数？

当我们在光线不好的房间中使用移动或半专业相机时，它们通常会增加 ISO，结果如下所示：

这是视频中的一帧，您可以看到有很多噪音。也许这有点奇怪，但我需要在高质量视频上产生类似的噪音。然而，一个简单的噪声发生器会产生类似的东西：

有谁知道如何在第一帧上获得结果？或者，也许有一些现有的噪声发生器/算法来制作它？我将不胜感激任何帮助。

我正在关注这篇文章，以使用傅立叶变换生成具有特定频率分布的粉红噪声。我需要能够给它一个图像以匹配输出噪声大小的频率和尺寸。我遇到的问题是我当前生成的代码有时会在噪音中生成水平黑条。我已将问题追溯到“pinktransformed = Fouriertransformed / f**2”行，其中在给定某些图像作为输入的情况下发生除以零错误。大多数输入图像不会发生这种情况。

这是黑条的示例

我认为我遇到的问题是我对 f 的值不正确。现在我只是将图像的傅立叶变换用作f，但我认为这是不对的。上面的链接说

f 是一个数组，其中包含与傅立叶变换的每个 bin 对应的频率。您的原始图像在图像中占据空间位置并将其转换为“能量”，即白噪声。您正在进行傅里叶变换，这意味着虽然该值仍然是能量，但数组中的位置对应于空间“频率”或 1/波长。这些被称为波矢量，对应于平面波。您需要将每个位置除以该位置的波矢量的大小。

我认为如果我刚刚为 f 创建了这个正确的值，我当前的代码就可以工作，但我只是不明白将每个位置除以该位置的波矢量的大小意味着什么。我必须在我的代码中修改什么来解决这个问题？

这是我当前的函数（img 作为 PIL Image 加载，然后转换为 numpy 数组，dim 是 2 元组）：

我没有成功尝试生成 2D 粉红噪声数组。谁能解释我如何做到这一点？否则，是否有允许生成 2D（或更高维）彩色噪声（1/f 噪声）的 python 库？

我正在使用 Keras GaussianNoise 层将高斯噪声添加到我的数据中以破坏它以防止过度拟合。我分析了我的数据，所有值的平均值为 7624，标准差为 2591。我还附上了分布图。

大约，我应该选择哪个值作为我的模型的标准偏差。我目前正在尝试 500 的值，因为 1000 的 std 生成的图像对我来说看起来太吵了。

我看了一些教程并尝试在 python 中创建一个 Perlin 噪声生成器。它采用一个元组来表示 x 和 y 方向上的向量数量以及阵列之间的距离（以像素为单位），然后计算每个像素与其周围的 4 个阵列中的每一个之间的点积，然后对它们进行双线性插值获取像素的值。

这是代码：

我得到这张图片：

但我应该得到这个：

我不知道出了什么问题，我试过看多个不同的教程，阅读一堆不同的文章，但结果总是一样的。