Ich möchte das Rauschen in einem Bild schätzen.
Nehmen wir das Modell eines Bildes + Weißes Rauschen an. Jetzt möchte ich die Rauschvarianz schätzen.
Meine Methode besteht darin, die lokale Varianz (3 * 3 bis 21 * 21 Blöcke) des Bildes zu berechnen und dann Bereiche zu finden, in denen die lokale Varianz ziemlich konstant ist (durch Berechnung der lokalen Varianz der lokalen Varianzmatrix). Ich nehme an, diese Bereiche sind "flach", daher ist die Varianz fast "reines" Rauschen.
Aber ich bekomme keine konstanten Ergebnisse.
Gibt es einen besseren Weg?
Danke.
P.S. Ich kann nichts von dem Bild annehmen, aber das unabhängige Rauschen (was für ein echtes Bild noch nicht zutrifft, nehmen wir es an).
Sie können die folgende Methode verwenden, um die Rauschvarianz zu schätzen (diese Implementierung funktioniert nur für Graustufenbilder):
%Vor%Referenz: J. Immerkær, "Fast Noise Variance Estimation", Computer Vision und Bildverstehen, Vol. 64, Nr. 2, S. 300-302, September 1996 [ PDF ]
Das Problem der Charakterisierung von Signalen durch Rauschen ist nicht einfach. Von Ihrer Frage aus wäre ein erster Versuch, Statistiken zweiter Ordnung zu charakterisieren: Natürliche Bilder haben bekanntermaßen Pixel-zu-Pixel-Korrelationen, die per definitionem nicht in weißem Rauschen vorhanden sind.
Im Fourierraum entspricht die Korrelation dem Energiespektrum. Es ist bekannt, dass es für natürliche Bilder wie 1 / f ^ 2 abnimmt. Um Rauschen zu quantifizieren, würde ich daher empfehlen, den Korrelationskoeffizienten des Spektrums Ihres Bildes mit beiden Hypotesis (flach und 1 / f ^ 2) zu berechnen, so dass Sie den Koeffizienten extrahieren.
Einige Funktionen zum Starten:
%Vor%Ich empfehle dieses wunderbare Papier für weitere Details.
Tags und Links image-processing estimation noise