如何创建像素强度0-255且服从正态分布的图像？

你的现有做法存在明显问题：直接对标准正态分布（均值0，标准差1）的结果转uint8，会导致几乎所有像素都是0或1（因为标准正态的取值99.7%集中在[-3,3]，负数转uint8会被截断为0，正数仅能得到0或1），完全不符合0-255范围的正态分布需求。

正确的实现步骤如下：

1. 设定符合0-255范围的正态分布参数：均值取0-255的中点127（保证分布对称），标准差可根据需求调整（比如32，让99.7%的数值落在31-223区间，覆盖大部分0-255范围）。
2. 生成对应分布的浮点数组，截断超出0-255的极端值（避免转uint8时出现溢出异常）。
3. 转换为uint8类型得到最终图像。

示例代码：

import numpy as np

# 设定图像尺寸
M, N = 512, 512
# 设定正态分布参数：均值127，标准差32
mean = 127
std = 32

# 生成正态分布数值
normal_vals = np.random.normal(mean, std, size=(M, N))
# 截断到0-255范围
clipped_vals = np.clip(normal_vals, 0, 255)
# 转换为uint8类型的图像数组
normal_image = clipped_vals.astype('uint8')

如果需要更严格的“从0-255整数中按正态分布采样”，可以先生成连续正态分布后取整再截断，代码只需修改最后两步：

# 取整后截断
rounded_vals = np.round(np.random.normal(mean, std, size=(M, N)))
clipped_vals = np.clip(rounded_vals, 0, 255)
normal_image = clipped_vals.astype('uint8')

内容的提问来源于stack exchange，提问作者Mina