add_noise_white — 2D `noise` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "add_noise_white", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

• HALCON-Äquivalent: add_noise_white (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

add_noise_white: 入力 → 出力

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe (ein Nicht-Bild-Rückgabewert wird als Wert gezeigt).*

Verwendung

Fügt gaußsches weißes Rauschen hinzu (erzeugt mit `np.random.default_rng, Standardabweichung 0.02+0.2*b). Der Zufallsseed wird deterministisch aus a über int(a*997)+7 abgeleitet, sodass dasselbe a immer dasselbe Rauschmuster reproduziert (zu beachten: dies ist nicht wirklich zufällig — a wird als pseudo-Regler verwendet, der einen "Rauscherscheinungstyp" auswählt). Entspricht HALCONs add_noise_white` (Add noise to an image.).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

`a は乱数シード(=ノイズパターン)を、b` はノイズの強さ(標準偏差)

を振る。両方が使われるが、`a` の意味は「強さ」ではなく「パターン」で

ある点が他の op と異なる。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

Hintergrundwissen (Physik und Konventionen hinter diesem Operator)

• mv_image_sensors — 産業用イメージセンサ（現行品中心）

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

In Studio ausprobieren

Das Programm unten ist nachweislich lauffähig (gleiche Eingabe wie die Abbildung). In der Studio-Hilfe wird dieser Block zu Schaltflächen, die es sofort laden und ausführen.

add_noise_white 0.50 0.50

▸ Load this pipeline · Load & run

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• gallery2d_smoothing_rank — py -3.11 examples/gallery2d_smoothing_rank.py

Typkompatible Folge-Operatoren (nehmen `image` als Eingabe)

identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter

Gleiche Kategorie (`noise`)

add_noise_distribution

*Provenance: ops.py — 2D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

add_noise_white — 2D noise op