skimage.data提供的随机图像生成工具

在skimage.data模块中，有一个随机图像生成工具random_noise可以用来生成不同类型的随机噪声图像。这个工具使用了一些分布函数来生成随机噪声，并可以调整噪声的参数来产生不同的效果。下面是一个使用例子。

首先，我们需要导入相关的库和模块。

import matplotlib.pyplot as plt
from skimage import data, img_as_ubyte
from skimage.util import random_noise

其中，matplotlib.pyplot是用于显示图像的库，data模块提供了一些示例图像，random_noise是主要的随机图像生成函数，img_as_ubyte是将图像转换成uint8类型的函数。

接下来，我们可以使用random_noise函数生成一个加性高斯噪声图像。这个函数接受一个输入图像和一系列的参数。其中，mode参数用于指定生成噪声的类型，var参数用于指定噪声的方差，seed参数用于设置随机种子，以便结果可以重现。

image = data.astronaut()  # 读取例子图像
noisy_image = random_noise(image, mode='gaussian', var=0.01, seed=0)

在上面的代码中，我们先读取了一个示例图像astronaut作为输入图像，然后调用random_noise函数生成加性高斯噪声图像，将其赋值给noisy_image。mode参数被设置为'gaussian'，表示生成高斯噪声；var参数被设置为0.01，表示噪声的方差为0.01；seed参数被设置为0，以便结果可以重现。

最后，我们可以使用matplotlib.pyplot库将原始图像和噪声图像进行显示。

fig, axes = plt.subplots(1, 2, figsize=(10, 5))
axes[0].imshow(image)
axes[0].set_title('Original Image')

axes[1].imshow(img_as_ubyte(noisy_image))
axes[1].set_title('Noisy Image')

for ax in axes:
    ax.axis('off')

plt.show()

在上面的代码中，我们创建了一个1x2大小的画布，并在其中的两个子图中分别显示原始图像和噪声图像。使用imshow函数可以将图像显示出来，set_title函数用于设置图像的标题。在显示前，我们先将噪声图像通过img_as_ubyte函数转换成uint8类型，以便可以正确显示图像。然后，通过循环设置子图的坐标轴不可见。最后，使用plt.show()函数显示整个画布。

运行上面的代码，我们可以得到生成的随机噪声图像。原始图像和噪声图像将会显示在同一个画布中，方便进行比较。

除了加性高斯噪声，random_noise函数还支持其他类型的随机噪声，如加性泊松噪声、加性盐和胡椒噪声等。只需要将mode参数设置为相应的噪声类型，然后可以根据需要调整其他参数，如方差或噪声比例等。

总之，skimage.data提供的随机图像生成工具random_noise可以用于生成不同类型的随机噪声图像。这个工具非常方便实用，可以用来生成测试数据，进行图像增强或去噪等相关的任务。