代码之家 › 专栏 › 技术社区 › Royi

图像中的噪声估计/噪声测量

noise estimation image-processing

13

Royi · 技术社区 · 16 年前

我想估计图像中的噪声。

假设图像+白噪声的模型。现在我要估计噪声方差。

我的方法是计算图像的局部方差(3*3到21*21块),然后找到局部方差相当恒定的区域(通过计算局部方差矩阵的局部方差)。

但我没有得到固定的结果。

有更好的办法吗?

附笔。除了独立的噪声,我不能对图像做任何假设(这对于真实的图像是不正确的,让我们假设它)。

3 回复 | 直到 16 年前

1

18

user2398029 12 年前

可以使用以下方法估计噪波方差(此实现仅适用于灰度图像):

def estimate_noise(I):

  H, W = I.shape

  M = [[1, -2, 1],
       [-2, 4, -2],
       [1, -2, 1]]

  sigma = np.sum(np.sum(np.absolute(convolve2d(I, M))))
  sigma = sigma * math.sqrt(0.5 * math.pi) / (6 * (W-2) * (H-2))

  return sigma

参考文献:J。Immerkr,快速噪声方差估计,计算机视觉和图像理解,第64卷,第2期,第300-302页,1996年9月[ PDF

2

5

meduz 8 年前

从噪声中表征信号的问题并不容易。从你的问题来看,第一个尝试是描述二阶统计量:自然图像已知具有像素到像素的相关性,而根据定义,这种相关性不存在于白噪声中。

一些启动功能:

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

this wonderful paper 更多细节。

3

lotif 8 年前

Scikit Image有一个非常有效的估计sigma函数:

http://scikit-image.org/docs/dev/api/skimage.restoration.html#skimage.restoration.estimate_sigma

它也适用于彩色图像,你只需要设置 multichannel=True 和 average_sigmas=True :

import cv2
from skimage.restoration import estimate_sigma

def estimate_noise(image_path):
    img = cv2.imread(image_path)
    return estimate_sigma(img, multichannel=True, average_sigmas=True)