在图像处理中验证去噪功能的最佳方法是什么？信噪比似乎使我失望

编程问答 2022-06-06

问题描述

我正在使用BrainWeb用于正常大脑MR图像的模拟数据集。我想验证调用MyDenoise包中的denoise_nl_means的{​​{1}}函数。为此，我从BrainWeb下载了两套图像，一张是 0％噪声和 0％强度不均匀的原始图像，以及具有相同选项但 9％噪声和 40％强度不均匀的嘈杂图像。而且，我根据已弃用的skimage.restoration版本计算出 信噪比（SNR） ，如下所示：

scipy.stats

我认为去噪后，我们应该有一个更高的SNR，这始终是正确的。但是，与原始图像进行比较时，我们在嘈杂的图像中具有更高的SNR。我猜这是因为图像的总均值比标准偏差增加了更多。因此，似乎SNR并不是验证我的去噪图像是否更接近原始图像的好方法，因为嘈杂的图像已经比原始图像具有更高的SNR。我想知道是否有更好的方法来验证图像中的降噪功能。

这是我的结果：

enter image description here

def signaltonoise(a,axis=0,ddof=0):
    a = np.asanyarray(a)
    m = a.mean(axis)
    sd = a.std(axis=axis,ddof=ddof)
    return np.where(sd == 0,m/sd)

谢谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

image-processingnoise-reductionpython