numpy - 序列上泊松噪声实现的再现性

Question

这是我的问题：我有一系列 float int 值（这是一个模拟的天文图像，但这并不重要）。我需要得到这个序列的泊松实现。然后我想改变一些值/像素并再次获得这个新序列的泊松实现。我需要不变的像素得到相同的噪声。

import numpy
from numpy.random import default_rng,randint
import copy
import pylab

# Create the two lists (with only few pixels changing)
a0 = numpy.random.randint(low=0, high=1e6, size=10000).astype('float')
a = numpy.random.randint(low=0, high=30, size=10000).astype('float')
b = copy.copy(a)
b[a0>9.9e5] += 1e6

# Run poisson on them
gen1 = default_rng(seed=1234)
gen2 = default_rng(seed=1234)
resa = gen1.poisson(a)
resb = gen2.poisson(b)

# Plot the difference (reshape to 2D image to better see the differences)
pylab.imshow(resa.reshape((100,100))-resb.reshape((100,100)), vmin=-10,vmax=10)

使用泊松的numpy实现（numpy.random.poisson），即使种子相同，即使对于相同的像素，序列也会有所不同。原因是泊松噪声是在一个条件循环中计算的，它获取一个新的随机值，并在该值高于某个基于 lambda 的阈值时返回。因此，在两个不同的像素之后，default_rng（或RandomState）在两个序列中会有所不同，即使对于相同的像素也会给出不同的结果。

是否有泊松的实现可以保证在 RandomState 生成器上绘制相同数量的信号，无论信号级别如何？或者我是否必须自己调整代码（通过循环绘制以始终达到预定义的循环迭代）？

标签： numpyrandomrandom-seedpoisson