Image processing 图像中的噪声估计/噪声测量

我想估计图像中的噪声

让我们假设图像+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）。 我假设这些区域是“平坦”的，因此方差几乎是“纯”噪声

但我并没有得到固定的结果

有更好的办法吗

谢谢

附言。

---

除了独立的噪声外，我不能对图像做任何假设（这对于真实图像来说还不是真的，让我们假设一下）。

从噪声中表征信号的问题并不容易。根据你的问题，第一次尝试是描述二阶统计特性：已知自然图像具有像素到像素的相关性，而根据定义，这些相关性不存在于白噪声中

在傅里叶空间中，相关性对应于能谱。众所周知，对于自然图像，它会减小为1/f^2。为了量化噪声，我建议使用两种假设（平坦和1/f^2）计算图像光谱的相关系数，以便提取系数

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

---

我建议您了解更多详细信息。

您可以使用以下方法来估计噪声方差（此实现仅适用于灰度图像）：

---

参考文献：J.Immerkær，“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[]

Scikit图像具有一个非常有效的估计sigma函数：

它也适用于彩色图像，您只需设置

multichannel=True

和

average\u sigmas=True

：

导入cv2
从skimage.restoration导入估算值\u sigma
def估计噪声（图像路径）：
img=cv2.imread（图像路径）
返回估计值_sigma（img，多通道=真，平均值_sigmas=真）

---

高数字意味着低噪声。

为了让事情更清楚，假设我有一个图像矩阵-I。在Matlab语法中，我会写：NoisyImage=I+5*randn（size（I））；现在，我想估计噪声-25的方差（假设I处没有噪声）。现在，该方法应该是可靠的，因为噪声的因子（方差）要小得多，然后在某种程度上估计实际图像的噪声级（使用独立的噪声模型）。顺便问一下，你能告诉我在这篇文章里我应该在哪里找到它吗？你还认识其他人吗？你能给我一份完整的参考资料吗？您提供的链接现在已失效。Thx@user1735003也许是这篇文章：（只是假设来自死链接url）谢谢。我会试试的。这确实有效！如果你得到sigma>10.0，那么你有一个有噪声的图像，否则-不是。另外，为了使它也适用于彩色图像，只需将它们转换为灰度，如下所示：

import cv2

img=cv2.imread（img\u path）

img\u gray=cv2.cvt颜色（img，cv2.COLOR\u bgr2 gray）

噪声=估计噪声（img\u gray）

，不要忘记导入数学，

将numpy作为np导入

和

从scipy.signal导入convolve2d

；）此外，提供的PDF链接也不起作用-请使用此链接：“sigma”此值的含义是什么？？我们应该高还是低？？如果我们使用DSLR，是否可以在没有任何噪音的情况下拍摄图像@tsveti_ikoHi，确实有Donoho基于小波（HH功率中值）的方法。我可以在MATLAB中添加它的实现。非常感谢。

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