Определить и измерить тип шума, присутствующий в изображении

Question

Я хочу определить, содержит ли изображение шум. Пример: шум соли и перца или шум Гаусса. Я также хочу измерить количество шума, присутствующего на изображении. Как мне это сделать? Могу ли я сделать это путем анализа гистограммы изображений? Ниже мой исходный код;

import matplotlib.pyplot as plt
import numpy as np
import os.path

if __name__ == '__main__':

    image_counter = 1

    while True:

       if not os.path.isfile('crop_images/' + str (image_counter) + '.png'):
           break

       image_path = 'crop_images/'  + str(image_counter) + '.png'
       image = plt.imread(image_path)


       #Display Histogram
       print(image)
       print(image.ravel())
       n, bins, patches = plt.hist(image.ravel(), bins = 256)
       plt.title('Image Patch # ' + str(image_counter))
       plt.xlabel('Grey Value')
       plt.ylabel('Frequency')
       window = plt.get_current_fig_manager()
       window.canvas.set_window_title('Histogram')
       plt.show()

       image_counter = image_counter + 1

Answer 1

S & P noise: это означает, что некоторые случайные пиксели вашего изображения настроены на черный или белый (или некоторое постоянное значение на канал). Если на гистограмме изображения имеются пики в значениях 0 и 255 (или какое-то постоянное значение на канал), вы, скорее всего, имеете соленый и перечной шум. Вы можете применить медианный фильтр, чтобы избавиться от шума, и размер вашего ядра, которое минимизирует пики в гистограмме, может проинформировать вас об уровне шума.

Гауссов шум: это означает, что есть некоторое размытие изображение. Ядра лапласиана лучше всего генерировать и обнаруживать размытие. Если вы примените к своему изображению ядро ​​Лапласа и примете его дисперсию, ответ даст вам, насколько «резким» является изображение. Если число высокое, это означает, что дисперсия высока, это означает, что на изображении есть внезапные изменения (т. Е. Края!), Что означает меньшее размытие.