关于我关于高斯降噪的问题,我想知道一种简单的方法来量化降噪滤波器的成功。
我尝试了几种降噪方法,我想要一些方法来确定哪种方法效果最好。我有原始图像、嘈杂的版本和一些试图降低噪音的版本。我考虑尝试从增强图像和原始图像中进行一些矩阵距离测量,以比较降噪方法。这行得通吗,或者除了看图片之外还有其他常用方法吗?
关于我关于高斯降噪的问题,我想知道一种简单的方法来量化降噪滤波器的成功。
我尝试了几种降噪方法,我想要一些方法来确定哪种方法效果最好。我有原始图像、嘈杂的版本和一些试图降低噪音的版本。我考虑尝试从增强图像和原始图像中进行一些矩阵距离测量,以比较降噪方法。这行得通吗,或者除了看图片之外还有其他常用方法吗?
均方误差度量的问题在于它不能很好地代表恢复图像的视觉质量。为了解决这个问题,已经开发了一些其他指标。现在很流行的一种叫做Structural Similarity。它的源代码可以在这里找到。
我从事降噪工作的同事总是使用信噪比 (SNR) 来比较降噪的质量: http ://en.wikipedia.org/wiki/Signal-to-noise_ratio
以下是我的同事 Julien Mairal 的一些科学文章,他们正在做最先进的降噪: http ://www.di.ens.fr/~mairal/index.php
使用的明显距离是像素误差的平方和。对于灰度图像,平方像素误差为 (p1 - p2)^2(两个像素的强度为 p1 和 p2),或 (r1 - r2)^2 + (g1 - g2)^2 + (b1 - b2)^2 如果你有一个 RGB 图像(两个像素的颜色是 (r1, g1, b1) 和 (r2, g2, b2))。您可以通过以不同方式缩放 RGB 分量来稍微改进这一点,以补偿人眼对蓝色的反应不如绿色和红色强的事实。