Matlab 测量图像之间的距离

关于我的问题，我想知道一种简单的方法来量化降噪滤波器的成功与否

---

我尝试过几种降噪方法，我想用一些方法来确定哪种效果最好。我有原始图像，一个有噪音的版本和一些试图减少噪音的版本。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，以便比较降噪方法。这行得通吗？或者除了看图片，还有其他常用方法吗？

使用的明显距离是像素误差的平方和。灰度图像的平方像素误差为（p1-p2）^2（两个像素的强度为p1和p2），或者（r1-r2）^2+（g1-g2）^2+（b1-b2）^2，如果您有RGB图像（两个像素的颜色为（r1，g1，b1）和（r2，g2，b2））。您可以通过以不同的方式缩放RGB组件来对这一点进行改进，以补偿人眼对蓝色的响应不如对绿色和红色的响应强烈的事实。

我的噪声消除同事总是使用信噪比（SNR）来比较去噪的质量：

以下是我的同事Julien Mairal在做最先进的降噪工作时发表的一些科学文章：

---

均方误差度量的问题在于，它不能很好地表示恢复图像的视觉质量。为了解决这个问题，还制定了一些其他指标。现在很流行的一种叫做。可以找到它的源代码。

这是比较结果的常用方法吗？仅仅通过观察，我不能说我喜欢任何结果，因为噪声并没有降低到我喜欢的程度，但这可能是使用卷积（这是我的指令）所能得到的最好结果。是的，平方和误差在许多领域中普遍使用。它很有吸引力，因为它易于计算，而且它直接代表了“实验”和“模型”之间的差异（这里使用的术语比较松散）。您需要知道，过滤有噪声的图像会降低噪声，但它也会修改基础图像本身。因此，当你进行比较时，你将量化两种不同的效果。@OliCharlesworth这是真的，但我想知道去噪后的图像与原始无噪图像的距离有多远。我想使用误差平方和的方法应该可以帮助我做到这一点，因为它会减少像素的权重，而这些像素只是某些模糊结果的一部分，而增加像素的权重，这些像素的噪声去除得不太好。不过，谢谢你的意见。这是一个需要考虑的重要问题。我在那里看到了一个关于图像信噪比的部分，通过平均偏差与标准偏差的比率来计算。我不能确切地看到这有什么帮助，因为我不知道如何测量去噪图像中的噪声量（这就是我试图做的）。无论如何，我可以看到这个SNR定义与Z-分数（又名标准分数）的定义很相似，而且据我所知，这是比较不同人群平均值的有用方法，但在这种情况下，我使用相同的图像来比较方法，所以对我的案例来说，这可能有点过分。这很有趣。我已经读了一点，但没有涉及公式的细节，因为这对我的案例来说似乎有点太多了（没有什么专业性，只是我正在对我的作业结果进行测试）。