图像处理复习整理（4.图像去噪）

Posted 2020-08-27 没有生只有的我

检测图像噪音程度：

计算平方误差：

function d = mse(est,ref)
d =mean( (est(:)-ref(:)).^2 ) ;

 

计算信号噪声比：

function d = snr(est,ref)
mse = mean((ref(:)-est(:)).^2);
dv = var(ref(:),1);
snr = 10*log10(dv/mse);

峰度信号噪声比：

function p = psnr(est,ref)
mse= mean((est(:)-ref(:)).^2 );
m1 = max(abs(est(:)) );
m2 = max(abs(ref(:)) );
m = max(m1,m2);
p = 10*log10(m^2/mse );

对方法进行检测的时候，噪音产生的方法主要有：

增加随机噪声或者增加多种随机噪声。

去噪的病态问题：

• 有多个解
• 无解
• 随着初始值变化的解

去噪：正则化，简单化

电脉冲去噪

中值滤波

白高斯去噪

高斯滤波、双边滤波、nonlocal mean 滤波

中值滤波无法解决白高斯滤波

高斯滤波：

高斯概率分布

由于高斯滤波处理之后不清楚，所以需要再对图像进行锐化处理

 

 

双边滤波：

 

function B = Bilateral(A,w,sigma_d,sigma_r)
[X,Y] = meshgrid(-w:w,-w:w);
G = exp(-(X.^2+Y.^2)/(2*sigma_d^2));
% Apply bilateral filter.
dim = size(A);
B = zeros(dim);
for i = 1:dim(1)
   for j = 1:dim(2)      
         % Extract local region.
         iMin = max(i-w,1); iMax = min(i+w,dim(1));
         jMin = max(j-w,1); jMax = min(j+w,dim(2));
         I = A(iMin:iMax,jMin:jMax);  
         % Compute Gaussian intensity weights.
         H = exp(-(I-A(i,j)).^2/(2*sigma_r^2));    
         F = H.*G((iMin:iMax)-i+w+1,(jMin:jMax)-j+w+1);
         B(i,j) = sum(F(:).*I(:))/sum(F(:));            
   end
end

nonlocal means

不是根据单个点之间相似程度，而是块与块之间的相似程度进行比较

 

w(p,q)表示的是块与块之间的距离，西格玛表示噪音的标准误差，h是和西格玛相关的数据集，论文中max里面的写错了，把0.0改为1.0。