(1) 如果 ? ,則稱X服從離散的均勻分布。 (2) 設連續型隨機變量X的概率密度函數為 f(x)=1/(b-a)，a≤x≤b 則稱隨機變量X服從[a,b]上的均勻分布，記為X~U[a,b]。 若[x1,x2]是[a,b]的任一子區間，則 P{x1≤x≤x2}=(x2-x1)/(b-a) 這表明X落在[a,b]的子區間內的概率只與子區間長度有關，而與子區間位置無關,因此X落在[a,b]的長度相等的子區間內的可能性是相等的，所謂的均勻指的就是這種等可能性。 均勻分布的均值E（X）為（a+b）/2，方差D（X）為（b-a）^2/12。 在實際問題中，當我們無法區分在區間[a,b]內取值的隨機變量X取不同值的可能性有何不同時，我們就可以假定X服從[a,b]上的均勻分布。

分布函數

均勻分布的分布函數為： F(x)=0，x<a F〔x〕= （x-a）/(b-a)，a≦x≦b。 F(x)=1，x>b

clc,clear,close all warning off feature jit off im = imread('coloredChips.png'); Z1 = imnoise_uniform(size(im,1),size(im,2),50,100); Z1 = uint8(Z1); % 類型轉換 figure('color',[1,1,1]), im(:,:,1) = im(:,:,1) + Z1; % R im(:,:,2) = im(:,:,2) + Z1; % G im(:,:,3) = im(:,:,3) + Z1; % B subplot(121); imshow(im); title('加均勻分布噪聲圖像') subplot(122); imhist(Z1); title('均勻分布噪聲圖像直方圖')
function R = imnoise_uniform(M, N, a, b) % input: % uniform噪聲的類型； % M,N：輸出噪聲圖像矩陣的大小 % a,b：各種噪聲的分布參數 % output: % R: 輸出的噪聲圖像矩陣，數據類型為double型 % 設定默認值 if nargin == 1a = 0; b = 1;M = 1; N = 1; elseif nargin == 3a = 0; b = 1; end% 產生均勻分布噪聲R = a + (b - a)*rand(M, N); end

總結

以上是生活随笔為你收集整理的均匀分布噪声图像的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。