如何生成二维彩色噪声 二维1/f粉红噪声生成方法及Python库推荐

核心原理 #

二维粉红噪声属于1/f类彩色噪声，核心特征是功率谱密度和空间频率的一次方成反比，即 PSD(f) ∝ 1/f。目前通用的实现方案是频域滤波法：高斯白噪声的功率谱在全频段是平坦的，只需要在频域对不同频率的分量施加对应权重，调整功率谱到符合1/f的分布，再逆变换回空域即可得到目标噪声，该方法可直接扩展到任意高维噪声生成。

具体实现步骤 #

• 生成与目标输出维度相同的标准正态分布高斯白噪声数组
• 对该白噪声数组做二维快速傅里叶变换，得到频域复数矩阵
• 生成对应维度的频率网格，计算每个频域位置的空间频率大小f，注意单独处理f=0的直流分量避免除以0
• 给频域矩阵的每个元素乘以1/√f的系数（功率和幅度为平方关系，因此幅度乘1/√f即可得到功率随1/f衰减的效果）
• 对调整后的频域矩阵做二维逆傅里叶变换，取结果的实部即为二维粉红噪声数组，可根据需求对结果做归一化处理到目标值域

小提示：直流分量可直接保留原始值或乘以固定系数，不会影响整体的1/f频谱特性，如需严格控制输出范围可在最后添加截断或归一化逻辑。

手写实现参考代码 #

import numpy as np
from scipy.fft import fft2, ifft2, fftfreq

def generate_2d_pink_noise(shape: tuple):
    h, w = shape
    # 生成标准正态分布白噪声
    white_noise = np.random.randn(h, w)
    # 转换到频域
    fft_noise = fft2(white_noise)
    # 生成频率网格
    fx = fftfreq(w)
    fy = fftfreq(h)
    fx_grid, fy_grid = np.meshgrid(fx, fy, indexing='xy')
    f = np.sqrt(fx_grid**2 + fy_grid**2)
    # 处理直流分量
    f[f == 0] = np.min(f[f > 0])
    # 频域滤波
    filtered_fft = fft_noise / np.sqrt(f)
    # 逆变换回空域，取实部
    pink_noise = np.real(ifft2(filtered_fft))
    # 可选：归一化到0~1范围
    pink_noise = (pink_noise - pink_noise.min()) / (pink_noise.max() - pink_noise.min())
    return pink_noise

• numpy + scipy：按上述逻辑自行实现，灵活度最高，可自定义任意维度、任意频谱斜率的彩色噪声，调整系数的指数即可生成白噪声（指数0）、粉红噪声（指数1）、布朗噪声（指数2）等不同类型的1/f类噪声
• pinkpy：轻量级1/f噪声专用库，直接支持1~3维的彩色噪声生成，调用简单性能优异，示例代码：

import pinkpy
# 生成256*256的二维粉红噪声，exponent为频谱斜率
noise_2d = pinkpy.noise(shape=(256, 256), exponent=1)
# 生成三维1/f噪声
noise_3d = pinkpy.noise(shape=(128, 128, 128), exponent=1)

• perlin-noise：如果需要带梯度连续性的类 Perlin 噪声风格的1/f噪声，可使用该库，支持任意维度生成，通过叠加不同倍频的噪声分量实现1/f功率谱特性
• scipy.signal：也可通过空域滤波的方式生成，不过频域方案对高维场景实现更简单，计算效率也更高

内容的提问来源于stack exchange，提问作者ociredef