현재 이미지에서 노이즈 제거 작업을하고 있습니다. 사용 가능한 유일한 정보가 노이즈 영향을받은 그레이 스케일 이미지 인 경우 이미지에 어떤 유형의 노이즈 (예 : 가우시안, 푸 아송, 얼룩, 유니폼 등)가 있는지 식별 할 수 있습니까? 노이즈 유형을 식별하기 위해 고려할 수있는 매개 변수는 무엇입니까? 그레이 스케일 이미지를 사용하고 있습니다.이미지에있는 노이즈 유형을 식별하려면 어떻게해야합니까?
하나의 가능한 방법은 동종으로 알려진 수동으로 선택된 이미지 조각의 히스토그램을 분석하는 것입니다. 고려해야 할 부분은 물론 이미지의 특성에 따라 다릅니다.
나는 평균, 분산, SD, 스큐, 첨도 등의 통계 매개 변수를 사용하여 노이즈 유형을 식별 할 수 있다고 생각했습니다. 가능한가? – Flower
언급 한 통계 매개 변수를 사용하여 노이즈 매개 변수를 식별 할 수 있습니다. 유형을 추정하기 위해 동 질적이라고 알려진 영역의 히스토그램을 조사 할 것입니다. 예를 들어 이미지에 흰색이어야하는 배경 영역이 있습니다. 이상적으로 노이즈가 없으면 그 영역에서 그레이 스케일 값의 변화가 최소화됩니다. 그러나 이미지가 가우스 노이즈로 손상되면 배경 조각의 막대 그래프가 종처럼 보일 것입니다. 이것은 내 생각입니다. –
@Flower 많은 생각을하고 직장 동료들과 토론을 한 후에도 Sergii의 아이디어는 좋은 해결책이 될 수 있습니다. +1 Sergii –
+1 멋진 질문입니다. 푸리에 도메인에서 이미지 분석을 시도해야합니다. FFT (Fast Fourier Transform)를 사용하여 이미지를 변환하고 주파수 도메인에서 생성 된 패턴을 연구하십시오. 역 FFT를 사용하여 패턴을 수정하고 다시 원래의 형식으로 변환하십시오. 이 부분에서 OpenCV를 사용할 수 있습니다. –
감사합니다. 파워 스펙트럼을 플로팅하려했지만 분석 방법을 몰랐습니다. 주파수 도메인 패턴을 분석하는 특정 절차가 있습니까? 수동 또는 자동으로 패턴을 수정할 수 있습니까? – Flower
주기적인 잡음의 경우 FFT가 유용 할 수 있음을 읽었습니다. 얼룩 노이즈, 소금 및 고추 소리 같은 비주기적인 소리의 경우에도 똑같이 사용할 수 있습니까? – Flower