Измерьте расстояние между изображениями
Что касается моего вопроса о гауссовском шумоподавлении, я хотел бы знать простой метод количественной оценки успеха фильтра шумоподавления.
Я попробовал несколько методов снижения шума, и я хочу, чтобы какой-то метод определил, какой из них работает лучше всего. У меня есть исходное изображение, шумная версия и несколько версий, созданных в результате попыток уменьшить шум. Я думал о том, чтобы попытаться измерить расстояние матрицы от улучшенного изображения и исходного изображения, чтобы сравнить методы шумоподавления. Будет ли это работать хорошо или есть какой-то другой распространенный метод, кроме как просто смотреть на фотографии?
3 ответа
Проблема со среднеквадратичной ошибкой заключается в том, что она не очень хорошо отражает визуальное качество восстановленного изображения. Для решения этой проблемы были разработаны некоторые другие метрики. Тот, который сейчас довольно популярен, называется структурным сходством. Исходный код для этого можно найти здесь.
Мои коллеги, работающие над подавлением шума, всегда используют соотношение сигнал / шум (SNR) для сравнения качества шумоподавления: http://en.wikipedia.org/wiki/Signal-to-noise_ratio
Вот несколько научных статей моего коллеги Жюльена Майрала, делающего современное шумоподавление: http://www.di.ens.fr/~mairal/index.php
Очевидное расстояние для использования - это сумма квадратов ошибок пикселей. Квадратная ошибка пикселей будет (p1 - p2)^2 для изображения в градациях серого (интенсивность двух пикселей - p1 и p2) или (r1 - r2)^2 + (g1 - g2)^2 + (b1 - b2)^2, если у вас есть изображение RGB (цвета двух пикселей: (r1, g1, b1) и (r2, g2, b2)). Вы можете немного уточнить это, по-разному масштабируя компоненты RGB, чтобы компенсировать тот факт, что человеческий глаз реагирует на синий цвет менее сильно, чем зеленый и красный.