测量图像之间的距离答案

【问题标题】：Measure distance between images测量图像之间的距离
【发布时间】：2012-01-27 09:16:14
【问题描述】：

关于我的question about Gaussian noise reduction，我想知道一个简单的方法来量化降噪过滤器的成功。

我尝试了几种降噪方法，我想要一些方法来确定哪种方法效果最好。我有原始图像、嘈杂的版本和一些试图减少噪音的版本。我考虑尝试从增强图像和原始图像中进行一些矩阵距离测量，以比较降噪方法。这行得通吗？或者除了看图片还有其他常用的方法吗？

【问题讨论】：

您需要注意，过滤噪声图像会减少噪声，但它也会修改底层图像本身。因此，当您进行比较时，您将量化两种不同的效果。
@OliCharlesworth 确实如此，但我想知道去噪图像与原始无噪声图像的距离。我想使用误差平方和方法应该可以帮助我解决这个问题，因为它会给那些只是一些结果模糊的一部分的像素赋予更少的权重，而给那些没有很好地去除的噪声像素赋予更多的权重。不过，感谢您的输入。考虑到这一点很重要。

标签： matlab image-processing noise-reduction image-enhancement

【解决方案1】：

均方误差度量的问题在于它不能很好地代表恢复图像的视觉质量。为了解决这个问题，已经开发了一些其他指标。现在很流行的一种叫做Structural Similarity。它的源代码可以在here找到。

【讨论】：

这很有趣。我读了一点，没有详细说明公式细节，因为这对我的情况来说似乎有点太多了（没什么专业的，只是我正在对我的作业结果进行测试）。

【解决方案2】：

我从事降噪工作的同事总是使用信噪比 (SNR) 来比较降噪的质量： http://en.wikipedia.org/wiki/Signal-to-noise_ratio

以下是我的同事 Julien Mairal 的一些科学文章，他们使用最先进的降噪技术： http://www.di.ens.fr/~mairal/index.php

【讨论】：

我在那里看到了一个关于图像中信噪比的部分，按标准计算。偏差率。我不知道这有什么帮助，因为我不知道如何测量去噪图像中的噪声量（这就是我想要做的）。无论如何，我可以看到这个 SNR 定义与 Z 分数（AKA 标准分数）定义的相似之处，据我所知，这是比较来自不同人群的平均值的有用度量，但在这种情况下，我使用的是相同的用于比较该方法的图像，因此对于我的情况可能有点矫枉过正。

【解决方案3】：

使用的明显距离是像素误差的平方和。对于灰度图像，平方像素误差为 (p1 - p2)^2（两个像素的强度为 p1 和 p2），或 (r1 - r2)^2 + (g1 - g2)^2 + (b1 - b2)^2 如果你有一个 RGB 图像（两个像素的颜色是 (r1, g1, b1) 和 (r2, g2, b2)）。您可以通过对 RGB 分量进行不同的缩放来稍微改进这一点，以补偿人眼对蓝色的反应不如绿色和红色强的事实。

【讨论】：

这是比较常用的结果比较方法吗？仅仅通过看我不能说我喜欢任何结果，因为噪音并没有降低到足以满足我的口味，但这可能与仅使用卷积（这是我的说明）一样好。
是的，平方和误差在很多领域都是常用的。它很有吸引力，因为它易于计算，而且它直接代表了“实验”和“模型”之间的区别（此处使用松散的术语）。