使用Matlab估计图像中噪声的方差

在Matlab内，我将噪声添加到具有已知方差的图像中。我知道我可以用下面的方法做到这一点：使用Matlab估计图像中噪声的方差

var = 0.01; 
i = im2double(imread('lena.bmp')); 
i_n = imnoise(i, 'gaussian',0,var);

很明显，由此产生的图像有噪音。但是，如果我试图通过计算高通滤波器的中位数估计的噪声方差，我真的没有看到任何相关

k = [1 4 6 4 1]'*[1 4 6 4 1]; 
kk = k ./sum(sum(k)); 

var_est = median(median(abs(i_n - imfilter(i_n,kk)))) 

    var_est(:,:,1) = 

    0.0631 


    var_est(:,:,2) = 

    0.0620 


    var_est(:,:,3) = 

    0.0625

我很欣赏估计方差是一个棘手的问题，但我只是想一个相当接近的结果，例如50％的错误是可以容忍的。我在做什么不正确？

来源

2011-08-02 trican

我不确定这个公式真的是你需要的。你能提供一个你找到它的来源吗？是否在纸上？ – Phonon

@Phonon - 我现在在寻找一个参考，我非常确定我在一篇论文中读到它。直觉上我认为它是有道理的，即在高通滤波之后，你留下了噪声和边缘细节，因为噪声在数量上占主导地位，所以中值应该是对噪声方差的合理估计 – trican

aha我意识到了问题所在。。应该有一个额外的比例因子1/0.675 - 然后给出一个非常合理的esimtate 0.00926 – trican

在这种情况下，您的方法效果不足，因为使用imnoise时，您确实会添加一个近似版本的白噪声，该白噪声会显示所有频率下的分量。当使用高通滤波器时，您会削减噪声的频率分量，从而降低估算的准确性。

确实如您所说，仅从一幅图像中估计噪声并不是一个简单的问题。但是有一些方法，例如你可以使用median absolute deviation，它可以让你获得并近似数据上的色散（在这种情况下，你的内核的像素强度）

来源

2011-08-03 08:46:12 CodificandoBits

感谢您的回答，您的解释对我来说很有意义。不过，我仍然不确定我得到的答案。假设我正确地理解了你，我做了以下操作：i_median（：，：，1）= medfilt2（i_n（：，：，1））; i_median（：，：，2）= medfilt2（i_n（：，：，2））; i_median（：，：，3）= medfilt2（i_n（：，：，3））; var_est = median（median（median（abs（i_n-i_median））））。这给出了0.0590的答案 - 这看起来不正确吗？ – trican

你可以计算高通滤波的方差图片。不要使用var作为变量名称，因为它是计算方差的Matlab函数的名称。

v = var; % use v instead of var for your variance variable 
clear var; % clear your variable "var" so we can use the var function 
est_variance = var(reshape(i_n - imfilter(i_n,kk), [], 1));

来源

2011-08-03 16:59:33 k107

感谢您的回复kristi - 我显然做错了，因为当我尝试上述我越来越est_variance = 199.0065？！？唯一的变化是我打开uint8中的图像，并且只在方差命令之前进行双重转换，即est_variance = var（double（reshape（i_n - imfilter（i_n，kk），[]，1）））。这就是说我已经使用上面的im2double重试了它，并且我得到了0.0085。这是正确的，特别是考虑到@msotaquira在上面提出的观点。 – trican

使用Matlab估计图像中噪声的方差

回答

相关问题