scikit-image库--小波降噪(九）

ゞ浴缸里的玫瑰 2021-10-18 17:48 684阅读 0赞

#### 小波降噪 ####

小波去噪依赖于图像的小波表示。高斯噪声往往由小波域中的小值表示，可以通过将低于给定阈值的系数设置为零（硬阈值）或将所有系数收缩为零（软阈值）来消除。  
在这个例子中，我们演示了两种不同的小波系数阈值选择方法：Bayesshrink和Visushrink。

#### Visushrink算法 ####

Visushrink方法对所有小波细节系数采用一个单一的通用阈值。该阈值用于去除高概率的加性高斯噪声，这种加性高斯噪声往往导致图像过于平滑。通过指定一个小于真实噪声标准偏差的西格玛，可以得到一个更直观的令人满意的结果。

#### Bayesshrink算法 ####

Bayesshrink算法是小波软阈值的一种自适应方法，它对每个小波子带估计一个唯一的阈值。这通常会导致对单个阈值所能获得的结果的改进。

import matplotlib.pyplot as plt
    
    from skimage.restoration import (denoise_wavelet, estimate_sigma)
    from skimage import data, img_as_float
    from skimage.util import random_noise
    from skimage.measure import compare_psnr
    
    
    original = img_as_float(data.chelsea()[100:250, 50:300])
    
    sigma = 0.12
    noisy = random_noise(original, var=sigma**2)
    
    fig, ax = plt.subplots(nrows=2, ncols=3, figsize=(8, 5),
                           sharex=True, sharey=True)
    
    plt.gray()
    
    # Estimate the average noise standard deviation across color channels.
    sigma_est = estimate_sigma(noisy, multichannel=True, average_sigmas=True)
    # Due to clipping in random_noise, the estimate will be a bit smaller than the
    # specified sigma.
    print("Estimated Gaussian noise standard deviation = {}".format(sigma_est))
    
    im_bayes = denoise_wavelet(noisy, multichannel=True, convert2ycbcr=True,
                               method='BayesShrink', mode='soft')
    im_visushrink = denoise_wavelet(noisy, multichannel=True, convert2ycbcr=True,
                                    method='VisuShrink', mode='soft',
                                    sigma=sigma_est)
    
    # VisuShrink is designed to eliminate noise with high probability, but this
    # results in a visually over-smooth appearance. Repeat, specifying a reduction
    # in the threshold by factors of 2 and 4.
    im_visushrink2 = denoise_wavelet(noisy, multichannel=True, convert2ycbcr=True,
                                     method='VisuShrink', mode='soft',
                                     sigma=sigma_est/2)
    im_visushrink4 = denoise_wavelet(noisy, multichannel=True, convert2ycbcr=True,
                                     method='VisuShrink', mode='soft',
                                     sigma=sigma_est/4)
    
    # Compute PSNR as an indication of image quality
    psnr_noisy = compare_psnr(original, noisy)
    psnr_bayes = compare_psnr(original, im_bayes)
    psnr_visushrink = compare_psnr(original, im_visushrink)
    psnr_visushrink2 = compare_psnr(original, im_visushrink2)
    psnr_visushrink4 = compare_psnr(original, im_visushrink4)
    
    ax[0, 0].imshow(noisy)
    ax[0, 0].axis('off')
    ax[0, 0].set_title('Noisy\nPSNR={:0.4g}'.format(psnr_noisy))
    ax[0, 1].imshow(im_bayes)
    ax[0, 1].axis('off')
    ax[0, 1].set_title(
        'Wavelet denoising\n(BayesShrink)\nPSNR={:0.4g}'.format(psnr_bayes))
    ax[0, 2].imshow(im_visushrink)
    ax[0, 2].axis('off')
    ax[0, 2].set_title(
        ('Wavelet denoising\n(VisuShrink, $\sigma=\sigma_{est}$)\n'
         'PSNR=%0.4g' % psnr_visushrink))
    ax[1, 0].imshow(original)
    ax[1, 0].axis('off')
    ax[1, 0].set_title('Original')
    ax[1, 1].imshow(im_visushrink2)
    ax[1, 1].axis('off')
    ax[1, 1].set_title(
        ('Wavelet denoising\n(VisuShrink, $\sigma=\sigma_{est}/2$)\n'
         'PSNR=%0.4g' % psnr_visushrink2))
    ax[1, 2].imshow(im_visushrink4)
    ax[1, 2].axis('off')
    ax[1, 2].set_title(
        ('Wavelet denoising\n(VisuShrink, $\sigma=\sigma_{est}/4$)\n'
         'PSNR=%0.4g' % psnr_visushrink4))
    fig.tight_layout()
    
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]  
PSNR（Peak Signal to Noise Ratio）峰值信噪比，是一种全参考的图像质量评价指标。  
![在这里插入图片描述][20190812223122452.jpg]

其中，MSE表示当前图像X和参考图像Y的均方误差（MeanSquare Error），H、W分别为图像的高度和宽度；n为每像素的比特数，一般取8，即像素灰阶数为256. PSNR的单位是dB，数值越大表示失真越小。

PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是基于对应像素点间的误差，即 基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个 区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。

PSNR高于40dB说明图像质量极好（即非常接近原始图像），

在30—40dB通常表示图像质量是好的（即失真可以察觉但可以接受），

在20—30dB说明图像质量差；

最后，PSNR低于20dB图像不可接受

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]: /images/20211018/87acc53a75a8421d9f87a7cb2bb32ace.png
[20190812223122452.jpg]: /images/20211018/2590eb5d9c19402ab6b4606dfbb96a00.png