首先，我们必须了解图像可以表示为其像素的数值。例如，一个 256x256 的灰度图像可以由 0 到 255 之间的 65536 个整数值组成的向量表示。

现在，让我们考虑一下我们正在讨论的是人脸图像，例如CelebA 数据集，但是是灰度图像。

最后，让我们假设我们从 0 到 255 之间的均匀分布中采样 65536 个分量的向量，即从$x \sim U[0, 255]^{65536}$. 如果我们将这样一个随机采样的向量解释为图像，就像我们在第一段中描述的解释一样，你认为我们有可能看到一张脸吗？好吧，可能不是。可能我们只会看到噪音，如下所示：

为什么你知道我们不会看到一张脸？好吧，因为你知道人脸不是由均匀随机的像素组成，而是有一些结构。也就是说，因为你直观地知道人脸图像的像素值分布不匹配$U[0, 255]^{65536}$，但分布不同。

总而言之，图像域的分布是像素值遵循的分布。请注意，这不仅适用于灰度图像，还适用于在RGB 空间或任何其他数字空间（如HSB ）中表示的彩色图像。

PS：这是高斯噪声图像的样子（它是用Imagemagick生成的，用convert -size 256x256 xc:gray +noise Gaussian out.png）：