Шумовая Оценка / Измерение шума в Изображении
Я хочу оценить шум в изображении.
Давайте примем модель Изображения + Белый шум. Теперь я хочу оценить Шумовое Различие.
Мой метод должен вычислить Локальное Различие (3*3 до 21*21 Блока) изображения и затем найти области, где Локальное Различие является довольно постоянным (Путем вычисления Локального Различия Локальной Матрицы Различия). Я предполагаю, что те области являются "Плоскими" следовательно, Различие является почти "Чистым" шумом.
Все же я не получаю постоянные результаты.
Существует ли лучший путь?
Спасибо.
P.S. Я ничего не могу принять об Изображении кроме независимого шума (Который еще не верен для реального изображения, давайте примем это).
1 ответ
Проблема характеризации сигнала от шума непроста. Исходя из вашего вопроса, первой попыткой было бы охарактеризовать статистику второго порядка: известно, что естественные изображения имеют корреляции между пикселями, которые по определению не присутствуют в белом шуме.
В пространстве Фурье корреляция соответствует энергетическому спектру. Известно, что для естественных изображений она уменьшается как 1/f^2 . Поэтому для количественной оценки шума я бы рекомендовал вычислить коэффициент корреляции спектра вашего изображения при обеих гипотезах (плоской и 1/f^2), чтобы извлечь коэффициент.
Некоторые функции для начала:
import numpy
def get_grids(N_X, N_Y):
from numpy import mgrid
return mgrid[-1:1:1j*N_X, -1:1:1j*N_Y]
def frequency_radius(fx, fy):
R2 = fx**2 + fy**2
(N_X, N_Y) = fx.shape
R2[N_X/2, N_Y/2]= numpy.inf
return numpy.sqrt(R2)
def enveloppe_color(fx, fy, alpha=1.0):
# 0.0, 0.5, 1.0, 2.0 are resp. white, pink, red, brown noise
# (see http://en.wikipedia.org/wiki/1/f_noise )
# enveloppe
return 1. / frequency_radius(fx, fy)**alpha #
import scipy
image = scipy.lena()
N_X, N_Y = image.shape
fx, fy = get_grids(N_X, N_Y)
pink_spectrum = enveloppe_color(fx, fy)
from scipy.fftpack import fft2
power_spectrum = numpy.abs(fft2(image))**2
Я рекомендую эту замечательную статью для более подробной информации.