Я применяю к изображению гауссов шум. Я думаю, что этот тип шума больше всего похож на шум сенсора, который можно ожидать от мусорной камеры (?).
Мой вопрос: для 3-канального изображения значение шума применяется ко всем значениям каждого пикселя одинаково, т.е.
noise = gaussian_value()
pixel = (r+noise, g+noise, b+noise)
это эффективно меняет яркость пикселя в целом.
или это отдельное значение шума, применяемое к каждому из каналов в пикселе, т.е.
r_noise = gaussian_value()
g_noise = gaussian_value()
b_noise = gaussian_value()
pixel = (r+r_noise, g+g_noise, b+b_noise)
или для каждого пикселя и применяемого шума выбирается случайный канал, т.е.
noise = gaussian_value()
pixel[randint(0,2)] += noise
Какой из этих методов наиболее точно моделирует тип шума, который мне нужен (т.е. шум датчика). Я также думаю, что большинство камер не имеют отдельных датчиков канала для каждого пикселя и интерполируют значения цвета из окружающих пикселей, поэтому, если это тоже так, влияет ли это на ответ?