使用skimage.util库创建随机高斯噪声图像的Python函数

skimage.util库是scikit-image包提供的一个实用工具库，用于图像处理和操作。其中包括了一些常用的函数，如创建随机高斯噪声图像。

创建随机高斯噪声图像的函数是random_noise，可以用于在图像中添加随机高斯噪声。该函数接受以下参数：

- image：输入的图像。可以是灰度图像或彩色图像。

- mode：噪声的模式。可以选择为'salt'、'pepper'、's&p'、'gaussian'或'poisson'。对于高斯噪声，选择'gaussian'。

- var：噪声的方差，用于控制噪声的强度。值越大，噪声越明显。可以是一个标量，也可以是一个形状与图像相匹配的数组。

下面是一个使用skimage.util库创建随机高斯噪声图像的Python函数的例子：

from skimage.util import random_noise
import matplotlib.pyplot as plt

def add_gaussian_noise(image, var):
    noisy_image = random_noise(image, mode='gaussian', var=var)

    # 显示原始图像和添加噪声后的图像
    fig, axes = plt.subplots(1, 2, figsize=(10, 5))
    axes[0].imshow(image, cmap='gray')
    axes[0].set_title('Original Image')
    axes[1].imshow(noisy_image, cmap='gray')
    axes[1].set_title('Noisy Image')

    plt.show()

# 示例用法
import skimage.data

# 读取示例图像
image = skimage.data.camera()

# 添加高斯噪声
var = 0.1
add_gaussian_noise(image, var)

在上面的例子中，首先导入了skimage.util库中的random_noise函数和matplotlib.pyplot库用于显示图像。然后定义了一个add_gaussian_noise函数，该函数接受一个图像和一个方差作为参数。在函数中，首先使用random_noise函数添加了随机高斯噪声，并保存为noisy_image。然后通过使用matplotlib.pyplot库中的函数，将原始图像和添加噪声后的图像进行显示。

接下来，在主程序中，首先使用skimage.data包中的camera函数读取了一个示例图像。然后定义了方差var为0.1，调用了add_gaussian_noise函数，将示例图像和方差作为参数传入。该函数会显示原始图像和添加噪声后的图像。

通过以上操作，我们可以使用skimage.util库中的random_noise函数创建随机高斯噪声图像，并通过matplotlib.pyplot库对它们进行显示，以方便观察和分析。