Znalazłem kilka sposobów na redukcję szumów z obrazu, ale moim zadaniem jest zmierzenie tego.Jak mierzyć szumy obrazu?
Więc interesuje mnie algorytm, który da mi pewną liczbę, poziom hałasu. Że z tą liczbą będę mógł powiedzieć, że jeden obraz ma mniej szumu niż inne.
Aby rozwiązać mój problem kiedyś następny podejście:
Moja ocena hałasu jest właśnie liczba pikseli, które zostały uznane za hałas. Aby odróżnić normalne piksele od szumu, właśnie obliczyłem średnią wartość pikseli sąsiednich i jeśli jego wartość była większa niż pewna wartość krytyczna, mówimy, że jest to szum.
if (ABS(1 - (currentPixel.R+currentPixel.G+currentPixel.B)/(neigborsMediumValues.R + neigboursMediumValues.G + neigboursMediumValues.B))) > criticalValue)
then
{
currentPixelIsNoise = TRUE;
}
Zamiast klasyfikować piksel jako szum, jeśli przekracza taki próg, można zmierzyć "błąd" i obliczyć wariancję lub odchylenie standardowe dla wszystkich pikseli w obrazie. Pomogłoby to w rozróżnieniu między ilością pikseli n powyżej progu a liczbą pikseli n na zewnątrz. Pozwala to również uniknąć konieczności wyboru progu. –
@AdrianMcCarthy jest taki sam jak zniekształcenie obrazu lub średni kwadrat błąd (MSE)? – GTodorov
Z widokiem przetwarzania obrazu, można zapoznać się z klasyczną papier „Image quality assessment: From error visibility to structural similarity” opublikowany w IEEE Transaction on Image Processing, który został już cytowanej 3000 + razy według Google Scholar. Podstawową ideą jest system percepcji wzrokowej człowieka, który jest bardzo wrażliwy na podobieństwo strukturalne. Jednak hałas (lub zniekształcenie) często niweluje takie podobieństwo. W związku z tym autorzy próbowali zaproponować mierzenie jakości obrazu na podstawie tej motywacji. Możesz znaleźć implementację w MATLAB here.
jaki rodzaj hałasu? jakie źródło hałasu? czy to z kamery ccd? czy jest tworzony jak szum Gaussa i dodawany do obrazu przez program? –
Wydaje się być duplikatem: http://stackoverflow.com/questions/2440504/noise-estimation-noise-measurement-in-image – bummzack