शोर से कैरेक्टरिंग सिग्नल की समस्या आसान नहीं है। आपके प्रश्न से, दूसरा ऑर्डर आंकड़ों को दर्शाने का पहला प्रयास होगा: प्राकृतिक छवियों को पिक्सेल को पिक्सेल सहसंबंधों के रूप में जाना जाता है जो कि परिभाषा हैं- सफेद शोर में मौजूद नहीं हैं।
फूरियर स्पेस में सहसंबंध ऊर्जा स्पेक्ट्रम से मेल खाता है। यह ज्ञात है कि प्राकृतिक छवियों के लिए, यह 1/f^2 के रूप में घटता है। शोर को मापने के लिए, इसलिए मैं आपकी छवि के स्पेक्ट्रम के सहसंबंध गुणांक की गणना दोनों हाइपोटिस (फ्लैट और 1/एफ^2) के साथ करने की अनुशंसा करता हूं, ताकि आप गुणांक निकाल सकें।
कुछ कार्य आप को शुरू करने के लिए:
import numpy
def get_grids(N_X, N_Y):
from numpy import mgrid
return mgrid[-1:1:1j*N_X, -1:1:1j*N_Y]
def frequency_radius(fx, fy):
R2 = fx**2 + fy**2
(N_X, N_Y) = fx.shape
R2[N_X/2, N_Y/2]= numpy.inf
return numpy.sqrt(R2)
def enveloppe_color(fx, fy, alpha=1.0):
# 0.0, 0.5, 1.0, 2.0 are resp. white, pink, red, brown noise
# (see http://en.wikipedia.org/wiki/1/f_noise)
# enveloppe
return 1./frequency_radius(fx, fy)**alpha #
import scipy
image = scipy.lena()
N_X, N_Y = image.shape
fx, fy = get_grids(N_X, N_Y)
pink_spectrum = enveloppe_color(fx, fy)
from scipy.fftpack import fft2
power_spectrum = numpy.abs(fft2(image))**2
मैं अधिक जानकारी के लिए this wonderful paper सलाह देते हैं।
बातें स्पष्ट करने के लिए, मान लीजिए कि मैं एक छवि मैट्रिक्स करते हैं - मैं मैटलैब वाक्य रचना में मैं लिखना होगा: NoisyImage = मैं + 5 * randn (आकार (आई)); अब, मैं शोर के भिन्नता का आकलन करना चाहता हूं - 25 (मुझे कोई शोर नहीं मानना)। अब, विधि शोर के बहुत छोटे कारकों (भिन्नता) के साथ विश्वसनीय होना चाहिए और बाद में कुछ व्यावहारिक छवि के शोर स्तर (स्वतंत्र शोर मॉडल के साथ) धन्यवाद। पीएस क्या आप मुझे इंगित कर सकते हैं कि मुझे लेख में कहां देखना चाहिए? क्या आप किसी और को जानते हैं? – Royi
क्या आप पेपर का पूरा संदर्भ देने की परवाह करेंगे? आपके द्वारा प्रदान किया गया लिंक अब मर चुका है। धन्यवाद। – user1735003
@ user1735003 शायद यह यह पेपर है: http://redwood.berkeley.edu/w/images/6/69/08-atick-nc-1992.pdf (मृत लिंक यूआरएल से धारणा) –