计算图像的峰值信噪比PSNR以及均方根误差MSE

计算图像的峰值信噪比PSNR以及均方根误差MSE
计算图像的峰值信噪比PSNR以及均方根误差MSE

简介

PSNR 是最普遍,最广泛使用的评鉴画质的客观量测法,不过许多实验结果都显示,PSNR 的分数无法和人眼看到的视觉品质完全一致,有可能PSNR 较高者看起来反而比PSNR 较低者差。

这是因为人眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化(例如: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)。

function main()

clc; close all;

I = imread('rice.png');

I1 = imnoise(I, 'salt & pepper');

figure;

subplot(1, 2, 1); imshow(I); title('原图像');

subplot(1, 2, 2); imshow(I1); title('加噪声图像');

[PSNR, MSE] = psnr(I, I1)

% 图像峰值信噪比PSNR、均方根误差MSE

% By lyqmath

% Dalian University of Technology

% School of Mathematical Sciences

function [PSNR, MSE] = psnr(X, Y)

% 计算峰值信噪比PSNR、均方根误差MSE

% 如果输入Y为空,则视为X与其本身来计算PSNR、MSE

if nargin<2

D = X;

else

if any(size(X)~=size(Y))

error('The input size is not equal to each other!');

end

D = X-Y;

end

MSE = sum(D(:).*D(:))/prod(size(X));

PSNR = 10*log10(255^2/MSE);

v总结

有一些方法中采用了分块计算PSNR等参数,用来得到更为有效地信息。也有的方法提出一些新的计算公式,当然这都是为了统计处图像处理前后的差异信息。

类似的,对于相近的公式,也可以如上做编码。

图像峰值信噪比的计算

1数字图像处理 数字图像处理是利用计算机(或数字技术)对图像信息进行加工处理,以改善图像质量、压缩图像数据或从图像数据中获取更多信息。数字图像处理的主要方法可分为两大类:空域法和变换域法。 a. 空域法 把图像看作是平面中各个象素组成的集合,然后直接对这个二维函数进行相应的处理。 b. 频域法(变换域法) 首先对图像进行正交变换,得到变换域系数阵列,然后再实行各种处理,处理后再反变换到空间域,得到处理结果。这类处理包括:滤波、数据压缩和特征提取等。 1.图像压缩编码基础 图像压缩即去除多余数据。以数学的观点来看,图像压缩过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合。因此,图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术,也称图像编码。 图像压缩编码的必要性和可能性: 图像压缩编码的目的是以尽量少的比特数表征图像,同时保持复原图像的质量,使它符合预定应用场合的要求。压缩数据量、提高有效性是图像压缩编码的首要目的。图像编码是一种信源编码,其信源是各种类型的图像信息。 图像数据可以进行压缩有以下几方面的原因。首先,原始图像数据是高度相关的,存在很大的冗余度。如图像内相邻象素之间的空间冗余度。序列图像前后帧之间的时间冗余度。多光谱遥感图像各谱间的频率域冗余度。数据冗余造成比特数浪费,消除这些冗余就可以节约码字,也就达到了数据压缩的目的。其次,基用相同码长表示不同出现概率的符号也会造成符号冗余度。如果采用可变长编码技术,对出现概率高的符号用短码字、对出现概率低的符号用长码字表示,就可消除符号冗余度,从而节约码字。允许图像编码有一定的失真也是图像可以压缩的一个重要原因。

实验一图像去噪

实验一图像去噪 在现代医学中,医学影像技术广泛应用于医学诊断和临床治疗,成为医生诊断和治疗的重要手段和工具。如今,医学图像在医疗诊断中起着不可低估的重要作用,核磁共振,超声,计算机X射线断层扫描以及其他的成像技术等,都是无侵害的器官体外成像的有效手段。这些技术丰富了正常的何病态的解剖知识,同时也成为诊断和医疗体系的重要组成部分。 然而,由于不同的成像机理,医学图像往往存在时间、空间分辨率和信噪比的矛盾。医学成像收到各种实际因素的影响,如患者的舒适度,系统的要求等等,需要快速成像。图像中的噪声大大降低了图像的质量,使一些组织的边界变得模糊,细微结构难以辨认,加大了对图像细节识别和分析的难度,影响医学诊断。因此医学图像的去噪处理既要能有效的去处噪声,又要能很好的保留边界和结构信息。本实验通过对测试图像加不同类型的噪声,然后分别用各种滤波法处理,然后以定量分析各种滤波方法的特点。 一.实验原理 1.噪声的分类 根据噪声的统计特征可分为平稳随机噪声和非平稳随机噪声两种。根据噪声产生的来源,大致可以分为外部噪声和内部噪声两类。外部噪声主要有四种常见的形式: (1)光和电的基本性质引起的噪声。如电流可看作电子或空穴运动,这些粒子运动产生随机散粒噪声,导体中的电子流动的热噪声,光量子运动的光量子噪声等。 (2)由机械运动引起的噪声。如接头震动使电流不稳,磁头或磁带抖动等。(3)设备元器件及材料本身引起的噪声。 (4)系统内部电路的噪声。 而在图像中,噪声主要有三个特点: (1)叠加性 (2)随机性 (3)噪声和不同图像区域之间的相关性。

医学图像中,典型的噪声有:高斯噪声,锐利噪声,指数噪声,均匀噪声,脉冲噪声等等。 2.去噪的方法 人们根据实际图像的特点、噪声的统计特征和频谱分布规律, 发展了各式各样的去噪方法, 其中最为直观的方法是根据噪声能量一般集中于高频、而图像频谱则分布于一个有限区间的这一特点, 采用低通滤波来进行去噪的方法, 从本质上讲, 图像去噪的方法都是低通滤波的方法, 而低通滤波是一把双刃剑, 它在消除图像噪声的同时, 也会消除图像的部分有用的高频信息, 因此, 各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。 图像平滑处理视其噪声图像本身的特性而定, 可以在空间域也可以在频率域采用不同的措施。空间域里的一些方法是噪声去除, 即先判断某点是否为噪声点, 若是, 重新赋值, 如不是按原值输出。另一类方法是平均, 即不依赖于噪声点的识别和去除, 而对整个图像进行平均运算。在频域里是对图像频谱进行修正, 一般采用低通滤波方法, 而不像在空域里直接对图像的像素灰度级值进行运算。在空间域对图像平滑处理常用领域平均法,中值滤波和秩统计滤波。 2.1 多帧平均法 根据噪声空域随机性的特点,可以有效的压缩噪声,增强有用的信息。设噪声为加性噪声,即: g(x,y)=f(x,y)+n(x,y) 式中个g(x,y)为输出图像,f(x,y)为有用信息,n(x,y)为噪声。被测物保持不动,得到M帧图像,进行叠加后,除以m,使m>M,得到平均图像。 2.2 空间域滤波器 2.1.1 均值滤波 均值滤波是将一个像素及其邻域中所有像素的平均值赋给输出图像中相应的像素, 从而达到平滑的目的。其过程是使一个窗口在图像上滑动, 窗口中心位置的值用窗内各点值的平均值来代替, 即用几个像素的灰度平均值来代替一个像素的灰度。其主要的优点是算法简单、计算速度快, 但其代价是会造成图像一定程度的模糊。为解决邻域平均法造成图像模糊的问题, 可采用阈值法、K 邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法等。它们

几类信号信噪比的计算_百度上传

1,确知信号的信噪比计算 这里的“确知信号”仅指信号的确知,噪声可以是随机的。某些随机信号,例如幅度和相位随机的正弦波,如果能够准确估计出它的相位和幅度等参数也可以认为是“确知信号”。 接收到的确知信号通过减去确知信号的方法得到噪声电压或电流,高斯噪声的数学期望为0,方差除以或乘上电阻得到噪声功率。确知信号的大小的平方的积分除以或乘上电阻得到信号功率。信噪比等于这两个功率相除,因此可以不用考虑电阻的大小。 clear all; clc; SIMU_OPTION = 3 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 1, deterministic signal snr calc %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if (SIMU_OPTION==1) SAM_LEN = 1e6; PERIOD = 1e3; SNR_DB = 30 signal = sin((1:SAM_LEN)*2*pi/PERIOD); signal_wgn = awgn(signal,SNR_DB,'measured'); wgn = signal_wgn - signal; snr_db_calc = 10*log10(var(signal)/var(wgn)) end

2,随机信号的信噪比计算 2.1,窄带信号加宽带噪声的信噪比计算 可以使用周期图FFT方法,即得到信号加噪声的功率谱,利用信号和噪声的频率特性,通过积分的方法将信号和噪声的功率计算出来,这样就得到信噪比。窄带信号是相对整个信号频率带而言。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 2, sin signal + white gauss noise %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if (SIMU_OPTION==2) SAM_LEN = 1e6; PERIOD = 1e3; SNR_DB = 30 signal = sin((1:SAM_LEN)*2*pi/PERIOD); signal_wgn = awgn(signal,SNR_DB,'measured'); signal_wgn_fft = fft(signal_wgn); signal_wgn_psd = (abs(signal_wgn_fft)).^2 / SAM_LEN; signal_wgn_psd_db = 10*log10(signal_wgn_psd); signal_wgn_psd = signal_wgn_psd(1:SAM_LEN/2); snr_db_calc = 10*log10(max(signal_wgn_psd)/(sum(signal_wgn_psd)-max(signal_wgn_psd) )) end

红外光谱信噪比

红外光谱信噪比 翁老爷子的新书《傅里叶变换红外光谱分析》(第2版)中,有一段对红外仪器信噪比的无奈描述: “红外仪器的信噪比是衡量一台仪器性能好坏的一项非常重要的技术指标。但是信噪比的测量方法目前没有统一的、公认的标准,因此,各个红外仪器公司所给定的仪器信噪比没有可比性。每个红外仪器公司都有信噪比的测量方法,因此,信噪比指标的验收只能按照仪器公司的验收方法进行验收。” 看来这个“红外信噪比”真个是乱花渐欲迷人眼,让人雾里看花隔一层啊!但是zwyu我充分发挥超人的大打特打、死缠烂打、穷追猛打的精神,欲对“红外信噪比”进行一次非官方、全方位的刨根问底,追踪探秘。各位好奇同学请跟进! 正文 信噪比(signal-to-noise ratio,简记为SNR ),顾名思义,就是信号值与噪声值的比,这一比值当然是越高越好。可是,翻遍《GB/T21 186-2007 傅立叶变换红外光谱仪》,《GB/T 6040-2002 红外光谱分析方法通则》(见红外光谱相关标准与检定规程大合集)以及其他的

一些行业性、地方性的检定规程(国家级的傅里叶变换红外光谱仪检定规程至今还未出台),甚至中国药典,愣是找不到关于信噪比的只言片语的定义。信噪比指标对红外仪器性能的评判很重要,怎么会找不找呢?且慢,注意标准中屡屡提到的“基线噪声”(100%T线噪声)XXXX:1或1:XXXX,还往往标了P-P或RMS,这不就是我们熟悉的信噪比的表示方法吗?哈哈,总算找到你了。 艰难的看过标准上的描述(没办法,中国国标写的水平就是高!?),为了各位同学能够顺利读懂,我将它写为白话现代汉语版: 红外信噪比,是通过基线(100%T线)噪声来表征。也就是,在样品室中不放样品的情况下(空光路),测得一条假定理想的100%T透射光谱。信号,当然就是100%T了,如果没有噪声,那么这条光谱将是一条严格的纵坐标为100%T的直线,但是,实际情况是噪声总是存在的,这就使得这条光谱的各个波数点上的值不见得一定是100%T,可能高一些(比如100.1%T),也可能低一些(比如9 9.9%T)。P-P(峰-峰值)噪声的意思就是说刚才测得的那条光谱在某一段波数区间内(比如2200~2100cm-1)的最大值与最小值之差,比如说是100.1%T-99.9%T=0.2%T。前面说了,信号是假定为100%T,那么,根据信噪比的定义,信号值/噪声值,比如100%T/0.2%T=500(注意此处单位相消,也就是说,信噪比用信号噪声比值表示的话,是一个无量纲的数)。此时,我们可以说,这台红外光谱仪的信噪比是500:1。换句话说,我们知道了P-P(峰-峰值)噪声,我们也就自

什么是信噪比详解

信噪比详解 定义 信噪比,即SNR(Signal to Noise Ratio)又称为讯噪比,狭义来讲是指放大器的输出信号的电压与同时输出的噪声电压的比,常常用分贝数表示。设备的信噪比越高表明它产生的杂音越少。一般来说,信噪比越大,说明混在信号里的噪声越小,声音回放的音质量越高,否则相反。信噪比一般不应该低于70dB,高保真音箱的信噪比应达到110dB以上。 解析 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。例如,某音箱的信噪比为80dB,即输出信号功率是噪音功率的10^8倍,输出信号标准差则是噪音标准差的10^4倍。信噪比数值越高,噪音越小。 “噪声”的简单定义就是:“在处理过程中设备自行产生的信号”,这些信号与输入信号无关。对于M P3播放器来说,信噪比都是一个比较重要的参数,它指音源产生最大不失真声音信号强度与同时发出噪音强度之间的比率称为信号噪声比,简称信噪比(Signal/Noise),通常以S/N表示,单位为分贝(d B)。对于播放器来说,该值当然越大越好。 目前MP3播放器的信噪比有60dB、65dB、85dB、90dB、95dB等等,我们在选择MP3的时候,一般都选择60dB以上的,但即使这一参数达到了要求,也不一定表示机子好,毕竟它只是MP3性能参数中要考虑的参数之一。 指在规定输入电压下的输出信号电压与输入电压切断时,输出所残留之杂音电压之比,也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率,通常以S/N表示。一般用分贝(dB)为单位,信噪比越高表示音频产品越好,常见产品都选择60dB以上。 国际电工委员会对信噪比的最低要求是前置放大器大于等于63dB,后级放大器大于等于86dB,合并式放大器大于等于63dB。合并式放大器信噪比的最佳值应大于90dB,CD机的信噪比可达90dB 以上,高档的更可达110dB以上。信噪比低时,小信号输入时噪音严重,整个音域的声音明显感觉是混浊不清,所以信噪比低于80dB的音箱不建议购买,而低音炮70dB的低音炮同样原因不建议购买。用途 另外,信噪比可以是车载功放;光端机;影碟机;数字语音室;家庭影院套装;网络摄像机;音箱……等等,这里所说明的是MP3播放器的信噪比。 以dB计算的信号最大保真输出与不可避免的电子噪音的比率。该值越大越好。低于75dB这个指标,噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB,较为合理。SBLIVE更是宣称超过120dB的顶级信噪比。总的说来,由于电脑里的高频干扰太大,所以声卡的信噪比往往不令人满意。

信噪比

信噪比 简介 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。例如,某音箱的信噪比为80dB,即输出信号功率是噪音功率的10^8倍,输出信号标准差则是噪音标准差的10^4倍,信噪比数值越高,噪音越小。 定义 “噪声”的简单定义就是:“在处理过程中设备自行产生的信号”,这些信号与输入信号无关。对于MP3播放器来说,信噪比都是一个比较重要的参数,它指音源产生最大不失真声音 信噪比 [1] 信号强度与同时发出噪音强度之间的比率称为信号噪声比,简称信噪比(Signal/Noise),通常以S/N表示,单位为分贝(dB)。对于播放器来说,该值当然越大越好。目前MP3播放器的信噪比有60dB、65dB、85dB、90dB、95dB等等,我们在选择MP3的时候,一般都选择60dB以上的,但即使这一参数达到了要求,也不一定表示机子好,毕竟它只是MP3性能参数中要考虑的参数之一。指在规定输入电压下的输出信号电压与输入电压切断时,输出所残留之杂音电压之比,也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率,通常以S/N表示。一般用分贝(dB)为单位,信噪比越高表示音频产品越好,常见产品都选择60dB以上。

国际电工委员会对信噪比的最低要求 国际电工委员会对信噪比的最低要求是前置放大器大于等于63dB,后级放大器大于等于86dB,合并式放大器大于等于63dB。合并式放大器信噪比的最佳值应大于90dB,CD机的信噪比可达90dB以上,高档的更可达110dB以上。信噪比低时,小信号输入时噪音严重,整个音域的声音明显感觉是混浊不清,所以信噪比低于80dB的音箱不建议购买,而低音炮70dB 的低音炮同样原因不建议购买。 用途 另外,信噪比可以是车载功放;光端机;影碟机;数字语音室;家庭影院套 信噪比 装;网络摄像机;音箱……等等,这里所说明的是MP3播放器的信噪比。以dB计算的信号最大保真输出与不可避免的电子噪音的比率。该值越大越好。低于75dB这个指标,噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB,较为合理。SBLIVE更是宣称超过120dB的顶级信噪比。总的说来,由于电脑里的高频干扰太大,所以声卡的信噪比往往不令人满意。 编辑本段图像信噪比 简介 图像的信噪比应该等于信号与噪声的功率谱之比,但通常功率谱难以计算,

信噪比

回复#1 yhc310 的帖子 eight大哥的文章我看过了,不过那个计算公式好像是原始信号和染噪信号的公式。我现在分析的都是实际的故障信号和降噪后信号的。eight以前也提过这个问题,这种情况可能只能做一个估计。上 面那个函数是我看段晨东文章里面得到的。 他的公式如下: function y=snr(x1,x2);%x1是原始信号,x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum(x1-x2); y=10*log((y1/y2).^2); 但是由这个公式算出来的信噪比都是150多,我觉得有问题。故改为如下公式 function y=snr(x1,x2);%x1是原始信号,x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum((x1-x2).^2); y=10*log((y1/y2)); https://www.360docs.net/doc/f114444890.html,是目前CAD/CAE/CAM/PLM类专业网站中,用户最多,技术含量最高的网站之一,涵盖目前所有常用的C3P类软件技术讨论。 注册登录 ?分栏模式 ?搜索 ?导航 ?论坛 ?C3P门户 ?个人空间 ?论坛问卷 ?帮助

C3P 论坛-CadCaeCamPlm 社区,是来了不想走的地方 ? CAD 回收站专区 ? [047]信号处理方法 ? 求信噪比计算公式 回 复 管理员 UID 21 帖子 42453 精华 14 积分 47337 威望 45 点 C3P 币 47337 元 贡献值 2045 点 推广邀请能量 4571 焦耳 阅读权限 200 在线时间 868 小时 注册时间 2000-7-9 最后登录 主题帖 发表于 2009-2-12 15:37 | 只看该作者 论坛斑竹招募进行中 快快加入C3P 惊喜的朋友圈 广告帖子、乱码帖子、内部错误链接有奖举报点 附件无法下载有奖举报点 申请C3P 基金币 发贴公告 论坛的起源和新手成长必读 各位高手大家好!求各位给个信噪比的计算公式。数据都是现场故障数据,所以公式必须是原始信号和降噪后信号的关 系。 一下是我计算信噪比的公式,但是可能有错误! function y=snr(x1,x2);%x1是原始信号,x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum((x1-x2).^2); y=10*log((y1/y2)); ============================== 参考 https://www.360docs.net/doc/f114444890.html,/forum/vi ... p%3Bfilter%3Ddigest ============================== eight 大哥的文章我看过了,不过那个计算公式好像是原始信号和染噪信号的公式。我现在分析的都是实际的故障信号和降噪后信号的。eight 以前也提过这个问题,这种情况可能只能做一个估计。上面那个函数是我看段晨东文章里面得到的。 他的公式如下: function y=snr(x1,x2);%x1是原始信号,x2是降噪后信号

摄像机技术参数之信噪比

摄像机技术参数之信噪比 做这样一个测试,使用一台质量较好的DVS(视频服务器),设置录像参数为:D1,VBR(动态码率,图像质量优先),图像质量最好;分别使用乌班图420线摄像机和某品牌420线摄像机对同一场景进行录像,录像时间为1分钟。然后回放对比,图像效果看起来是差不多的,但是文件大小却大不相同。乌班图摄像机对应的录像文件为9.78MB,而另一品牌的摄像机录像文件为19.76MB,比乌班图的摄像机录像文件整整多出10MB(1倍多)。 问题来了,为什么在相同编码格式,相同场景,相同时间长度的情况下,录像文件会有如此巨大的差异呢? 答案就是:信噪比。 信噪比的概念就是图像信号本身与叠加在图像上的噪声信号的比值,该值越大,说明图像噪声信号越小,摄像机质量越好。晚上最明显,因为图像信号很弱了,这个时候噪声信号就表现为“雪花点”(就像原来的卡带录音机,唱歌的时候还好,不唱歌的时候就听得到沙沙的噪声了)。所以说信噪比对摄像机的影响在晚上的时候最明显,白天的时候人眼就不容易区分。但是人眼是很容易欺骗的,降低晚上的图像亮度,噪点就会不那么明显了(就像你调低音量,沙沙的噪声也随即降低)。 但是当我们使用DVS/DVR这样的设备来录像的时候,差距就出来了。由于图像噪声是一种随机分布的信号,会严重影响录像设备的图像压缩算法,因此两台看起来差不多效果的机器,在编码后录像文件的大小产生了巨大的差异。信噪比高的机器,在相同图像质量情况下录像文件更小,更节省磁盘空间;如果是晚上,这种差距以及图像质量的差距会更大。 因此,选购摄像机,除了清晰度,信噪比也是非常重要的。建议使用DVS来进行测试,因为DVS一般会有更多的图像编码选项,更容易对比出差异。建议采用本文中采用的方法进行测试,该方法充分利用了后端录像设备对图像噪声很敏感的特性,具体就是,在D1分辨率下,使用VBR模式编码(动态码率,图像质量优先),设置图像质量为最好,I 帧间隔可以设置的大一些(100以上),然后对准同一场景,测试的结果是,录像文件越小说明摄像机信噪比越高。 实际使用中,高信噪比的摄像机,在相同图像质量的情况下需要的存储空间更小,录像时间可以更长,图像细节也更丰富。 后记:有人说,下水道代表的是一个城市的良心;那么摄像机信噪比则是代表了摄像机厂家的良心,也代表了厂家的实力。因为正常情况下人眼很难看出信噪比对图像质量的影响,但劣质的摄像机却在悄悄吞噬DVR的硬盘空间,丢失掉重要的图像细节。而要制造出高信噪比的摄像机,除了严格的用料,更重要的是要有出色的硬件设计。

计算信噪比

Q:怎样计算信噪比? A:已经建立好信噪比的自定义字段后,即可进行计算,具体步骤如下: 1)单击鼠标左键进入“浏览项目”。 2)选择欲浏览数据所在的项目,然后单击“确定”,进入该项目。 3)在“通道”选项卡中选择欲处理的数据,单击(查 看)打开。 “查看”键“通道”选项卡 4)进入查看窗口,通过“文件-打开-处理方法”打开相应的处理方法。

5)按处理方法图标进入处理方法窗口。 6)在处理方法窗口里选择“适应性”选项卡。 钩选计算适应性结果。 在“空体积时间”栏内填入适当的空体积时间,如果不确定,并且不需要计算相对保留时间,可尝试填入1或者0.1。 在下部的“基线噪音和漂移测量”区域内,填入“运行时间百分比”以及“基线开始时间”与“基线结束时间”。 取用于平均的运行时间百分比 运行时间(在这段时间内平均数据点)的百分比。Empower 软件利用此数值来计算平均时间,其中“取用于平均的运行时间百分比”与“总运行时间”的积等于“平均时间”。软件将“平均时间”与“基线开始时间”相加,然后用“基线结束时间”减去所得结果数值,从而确定两个平均区域。平均计算只在平均区域进行。输入:0.1 到 50.0%。缺省值:5%。当“取用于平均的运行时间百分比”与“总运行时间”的积,也就是“平均时间”小于30秒(0.5分钟)时,则将噪音报告为空白。

基线开始时间(分) 漂移和噪音计算的开始时间。计算漂移时,系统在“基线结束时间”获取毫伏读数,然后用此读数减去“基线开始时间”读数,得出漂移值。计算噪音时,系统计算由“基线开始时间”和“基线结束时间”以及“取用于平均的运行时间百分比”参数指定的基线区域的噪音。缺省值:空白 - 软件以 0.00 分钟作为“基线开始”时间。 注:要使噪音计算有效,基线间隔内必须没有任何峰。 基线结束时间(分) 漂移和噪音计算的结束时间。计算漂移时,系统在“基线结束时间”获取毫伏读数,然后用此读数减去“基线开始时间”读数,得出漂移值。计算噪音时,系统计算由“取用于平均的运行时间百分比”参数以及“基线开始时间”和“基线结束时间”指定的基线区域的噪音。缺省值:空白 - 软件用运行时间作为“基线结束”时间。 在本例中: 条件 设置 总运行时间 8 分钟 取平均的运行时间百分比 8% 平均时间 8×8%=0.64 分钟(>30秒) 基线开始 3.8 分钟 基线结束 4.8 分钟 7)设置参数后,保存处理方法,关闭处理方法对话框。 8)回到查看主窗口,单击积分快捷键进行积分,即可得到信噪比结果。 9)如需保存该结果,需在菜单中选择“文件-保存-结果”。该结果保存后即出现在“结 果”选项卡的列表中。

[总结]图像的信噪比和峰值信噪比

峰值信噪比(Peak Signal to NoiseRatio, PSNR) 是最广泛使用的评价图像质量的客观标准。它是原图像与处理图像之间均方误差相对于(2^n-1)^2 的对数值(即信号最大值的平方,其中n 是每个采样值的比特数)。 一般的, PSNR=10* log(255^2/MSE) 其中255 就是8 bits 表示法的最大值(Peak) ,而MSE 表示原图像与处理图像之间均方误差(Mean Square Error),如果不用8bit那么就不是255^2了,这里要注意下。 MSE=(1/PixelNum)*(对x,y求和(P(x,y)-P(x,y))^2) PSNR单位为dB,PSNR越大表示失真越小. 图象的信噪比应该等于信号与噪声的功率谱之比,但通常功率谱难以计算,有一种方法可以近似估计图象信噪比,即信号与噪声的方差之比。首先计算图象所有象素的局部方差,将局部方差的最大值认为是信号方差,最小值是噪声方差,求出它们的比值,再转成dB数,最后用经验公式修正,具体参数请参看“反卷积与信号复原(邹谋炎)”。 一段程序: double temp1=0.0; double temp2=0.0; for(inti=0;i

信噪比

信噪比 科技名词定义 中文名称: 信噪比 英文名称: signal-to-noise ratio;signal to noise ratio;SNR;S/N 定义1: 特定参数(信号)值与非特异性参数(噪声)的比值。如实验中样品的放射性与本底放射性强度之比;荧光在X射线底片上所造成的感光强度与非特异感光背景强度之比;序列同源性比较时,配对与非配对序列之比等。 应用学科: 生物化学与分子生物学(一级学科);方法与技术(二级学科) 定义2: 在规定的条件下,传输信道特定点上的有用功率与和它同时存在的噪声功率之比。通常以分贝表示。 应用学科: 通信科技(一级学科);通信原理与基本技术(二级学科) 本内容由全国科学技术名词审定委员会审定公布 求助编辑百科名片 信噪比定义的详细描述 信噪比,即SNR(Signal to Noise Ratio),又称为讯噪比。狭义来讲是指放大器的输出信号的电压与同时输出的噪声电压的比,常常用分贝数表示,设备的信噪比越高表明它产生的杂音越少。一般来说,信噪比越大,说明混在信号里的噪声越小,声音回放的音质量越高,否则相反。信噪比一般不应该低于70dB,高保真音箱的信噪比应达到110dB以上。 目录 信噪比 简介 定义 国际电工委员会对信噪比的最低要求 用途 图像信噪比 简介 举例 音频信噪比 简介 举例 信噪比与噪声

衡量音响器材质量水准的一个重要指标信噪比简介 信噪比的测量及计算 噪声的种类、来源及电磁兼容 噪声的来源 噪声的三种来源 噪声的表现 噪声对音质的影响 噪声的消除措施 网页信噪比查询信噪比 网页信噪比查询信噪比 提示 信噪比 简介 定义 国际电工委员会对信噪比的最低要求用途 图像信噪比 简介 举例 音频信噪比 简介 举例 信噪比与噪声 衡量音响器材质量水准的一个重要指标信噪比简介 信噪比的测量及计算 噪声的种类、来源及电磁兼容 噪声的来源 噪声的三种来源 噪声的表现 噪声对音质的影响 噪声的消除措施 网页信噪比查询信噪比 网页信噪比查询信噪比 提示 展开

有关信噪比计算方法

计算方法 软件根据最新的美国、欧洲和日本药典计算信噪比,公式如下 s/n = 2h/hn 其中 h = 与组分对应的峰高 hn = 在等于半高处峰宽的至少五倍 (USP) 或 20 倍(EP 和 JP)的距离内,观测到 的最大与最小噪音值之间的差值,并且,此段距离以空白进样的目标峰区域为中心。 可以指定是否使用处理方法的“适应性”选项卡中的“计算 USP、 EP 和 JP s/n”(以前为“计算 EP s/n”)复选框计算 USP、 EP 和 JP s/n。 也可以指定是否使用由空白进样中的峰区域计算的噪音值计算 USP s/n、EP s/n 和 JP s/n。每个峰的噪音区是唯一的。通过在各个峰的保留时间处将噪音区居中的相应空白进样来确定噪音区。指定半高处乘子参数,从而定义噪音区。 USP s/n 新的适应性峰字段 USP s/n 使用“美国药典”中的信噪比 (s/n) 公式计算。 USP s/n 计算 公式如下 2 峰高/ (噪音/缩放) 其中: 峰高 = 峰高的绝对值 噪音 = 峰的噪音值(峰到峰噪音) 缩放 = “缩放到微伏”值 缺省情况下,软件将 USP s/n 值报告为 6 位精度,不采用科学计数法也没有单位。 用于计算 USP s/n 的噪音值将根据“使用空白进样中位于峰区域内的噪音”选项的状态来确定: ?选中该选项时,软件用空白进样中所确定的峰到峰噪音计算每个峰的噪音值。该值针 对单个空白进样的相同通道中的区域进行计算。此区域以峰保留时间为中心,宽度等 于半高处峰宽乘以 USP 噪音区的半高处乘子值。软件在结果中将此噪音值报告为 USP 噪音。缺省情况下,软件将该值报告为 6 位精度,不采用科学计数法,单位为 “图单位”。 ?清除该选项后,软件将使用结果的峰到峰噪音值;不使用空白进样计算噪音。在处理 方法的“噪音和漂移”选项卡中,指定此区域的开始和结束时间。 在处理方法的“适应性”选项卡上,“USP s/n 噪音区的半高处乘子”字段的范围在 1 到99 之间,缺省为 5。当清除“使用空白进样中位于峰区域内的噪音”选项,并且药典选择为 JP 或 EP 时,该字段禁用。 EP s/n EP s/n 适应性峰字段使用“欧洲药典”中的信噪比 (s/n) 公式进行计算。 EP s/n 计算公式 如下 2 . (峰高 - (0.5 . 噪音/缩放))/(噪音/缩放) 其中: 峰高 = 峰高的绝对值 噪音 = 峰的噪音值(峰到峰噪音) 缩放 = “缩放到微伏”值 缺省情况下,软件将 EP s/n 值报告为 6 位精度,不采用科学计数法也没有单位。

7第七章 信噪比的计算

计算信噪比 计算信噪比 “浏览项目”中选择欲浏览数据所在的项目,然后单击“确定”,进入该项目。在“通道”选项卡中选择欲处理的数据,单击(查看)打开。“查看”键 “通道”选项卡,找到需要处理的通道数据,然后按照以下步骤进行处理: 1.进入查看窗口,通过“文件-打开-处理方法”打开相应的处理方法。 2.按处理方法图标 进入处理方法窗口。在处理方法窗口里选择“适应性”选项卡。钩选计算适应性结果。

3.在“空体积时间”栏内填入适当的空体积时间,如果不确定,并且不需要计算相对保留时间或与孔体积时间无关的系统适应性参数,可尝试填入1 或者0.1。 4.在s/n噪音值下拉菜单中选取相应的噪音类型。以基线噪音为例。 5.在下部的“基线噪音和漂移测量”区域内,以及“基线开始时间”与“基线结束时间”。 1)用于平均的运行时间百分比指在运行时间内平均数据点的百分比。Empower 软件利用此数值来计算平均时间,其中“取用于平均的运行时间百分比”与“总运行时间”的积等于“平均时间”。软件将“平均时间”与“基线开始时间”相加,然后用“基线结束时间”减去所得结果数值,从而确定两个平均区域。平均计算只在平均区域进行。可以从0.1 到 50.0。默认值为5。 当“用于平均的运行时间百分比”与“总运行时间”的积,也就是“平均时间”大于30秒,也就是说总运行时间*用于平均的运行时间百分比≧50(0.5 分钟)时,则将噪音报告由结果,否则为空白。

2)基线开始时间(分)漂移和噪音计算的开始时间。计算漂移时,系统在“基线结束时间”获取毫伏读数,然后用此读数减去“基线开始时间”读数,得出漂移值。计算噪音时,系统计算由“基线开始时间”和“基线结束时间”以及“取用于平均的运行时间百分比”参数指定的基线区域的噪音。注意要使噪音计算有效,基线间隔内必须没有任何峰。 3)基线结束时间(分) 漂移和噪音计算的结束时间。计算漂移时,系统在“基线结束时间”获取毫伏读数,然后用此读数减去“基线开始时间”读数,得出漂移值。计算噪音时,系统计算由“取用于平均的运行时间百分比”参数以及“基线开始时间”和“基线结束时间”指定的基线区域的噪音。 6.回到主窗口,重新积分,校正,等到结果。

光学遥感图像信噪比评估方法研究进展

收稿日期:2009212202;修订日期:2010202226 基金项目:863项目(O91303A01N )资助。 作者简介:朱博(1983-)男,硕士研究生,主要从事遥感图像质量分析与应用研究。E 2mail :zhubobanana @https://www.360docs.net/doc/f114444890.html, 。 光学遥感图像信噪比评估方法研究进展 朱 博1,2,3,王新鸿2,唐伶俐2,李传荣2 (1.中国科学院对地观测与数字地球科学中心,北京 100190; 2.中国科学院光电研究院,北京 100190; 3.中国科学院研究生院,北京 100049) 摘要:遥感图像数据的信噪比是评价遥感传感器获取数据质量的一项重要指标,图像数据的信噪比 能够在很大程度上反映遥感仪器的信噪比性能。介绍了通过遥感图像分析评估传感器信噪比的常用方法,以及这些方法的优缺点。并从原理上对各种方法进行了方法间的性能对比分析,包括方法的自动化程度、运算速度、鲁棒性、适用面、准确程度和对图像计算区域的要求等。此外,提出有必要对各种算法进行在实际应用中的比较分析,从而能够针对不同遥感器和不同类型的遥感图像选择最好的评估方法,达到合理、准确地应用这些方法的目的。关 键 词:光学遥感图像;信噪比;SNR ;噪声评估中图分类号:TP 75 文献标志码:A 文章编号:100420323(2010)022******* 1 引 言 光学成像主要是依赖于传感器接受目标对太阳辐射的光谱反射来认识地物对象。随着传感器由单波段到多波段再到成像光谱仪的进步,以及空间分辨率由低到高的逐步发展,技术上已经可以获得地面目标越来越详细和精确的信息,从而极大地开阔了人们对遥感对象的研究能力和研究范围。同时随着遥感技术的不断进步,对遥感图像噪声评估已经成为光学传感器实飞成像质量评价中的一项重要检验内容,信噪比是衡量遥感仪器性能的一项重要指标[1]。人们从遥感图像中识别地物目标的能力有赖于图像的信噪比水平。国内外学者在遥感图像噪声评估方法上作了很多研究工作,如B 2C Gao ,Roger R E 和Arnold J F 等,提出了多种经典的方法,使得后来的学者能够在其基础上发展、扩充新的方法和思想。 已有多种成型的信噪比计算方法,新的方法也在研究中。在实际应用中,信噪比计算的关键是如何正确获得噪声强度信息,即尽可能将噪声与信号分离开。在实测图像中,噪声情况比较复杂,而且又根据一定的数学运算关系与信号结合在一起,这就增加了对噪声强度计算的难度。而且随着遥感技术 的发展,遥感图像中表达的地物信息越来越丰富,地物类型也越来越复杂,这在一定程度上也给信噪比计算带来困难。 已有的各种信噪比计算方法根据不同的原理在一定的条件下或多或少地减轻了地表性质对信噪比估算的影响,从而使得信噪比计算值趋于准确。本文将介绍目前常用的光学遥感图像信噪比评估方法。 2 光学遥感图像噪声 噪声是影响遥感器成像质量的重要因素,噪声高会严重降低遥感图像的实际应用价值。遥感图像的噪声根据统计特征可分为周期噪声和随机噪声两大类;根据噪声产生的机理可分为信号传输噪声、仪器噪声、外界干扰噪声、像元变化引起的噪声[2]、波段间光谱维噪声等;根据噪声与信号的相互关系可分为加性噪声与乘性噪声[3]。2.1 光学遥感器的噪声 概括地说,目前光学遥感卫星探测器主要有两种,一是以Landsat 卫星为代表的双向摆扫成像方式,二是以SPO T 卫星为代表的CCD 推扫成像方式。 双向摆扫成像传感器的噪声主要分两种,一是静态噪声;二是动态噪声。静态噪声包括时间、空间上行、列噪声,以及帧间偏移等。动态噪声包括探测 第25卷 第2期2010年4月 遥 感 技 术 与 应 用 REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.25 N o.2A p r.2010

图像噪声及信噪比

图像噪声与图像信噪比(一) 噪声是指图像密度的随机变动,具体指的是胶片的颗粒或者说数字图像上像素级的变动。这是一个关键的图像质量因素,和图像清晰度一样重要。它和图像的动态范围相关性较强——即一定亮度范围内相机可以提供的优秀的信噪比和 反差。因为它和基本的物理学相关——光的光子性质和热度的热效应——所以它是必然存在的。幸运的是我们能做到的是极大的降低噪声——对于数码相机,尤其是大像素的数码单反相机(4mm2或更大)。但是,在小型的数码相机的微小像素的噪音,特别是在高的感光度,通过降噪软件处理时,会带有明显的副作用。 一般监控摄像机的图像信噪比是在50dB,像美电贝尔系列BL-CB800ATM-N。 信噪比是信号电压对于噪声电压的比值,通常用符号s/n来表示。由于在一般情况下,信号电压远高于噪声电压,比值非常大,信噪比的单位用db来表示。

一般摄像机给出的信噪比值均是在agc(自动增益控制)关闭时的值,因为当agc 接通时,会对小信号进行提升,使得噪声电平也相应提高。信噪比的典型值为45~55db,若为50db,则图像有少量噪声,但图像质量良好;若为60db,则图像质量优良,不出现噪声。 大多数情况下,噪声被认为是质量的退化。但一些黑白摄影师却偏偏喜欢它的图像效果,有很多人青睐35mm Tri-X胶片。(胶片颗粒和数字噪声在算法上有比较大的区别,前者用的是乘法并且光谱依赖于图像密度,后者用的是加法。)点彩派画家,代表人物George Seurat,s手动创造出图像“噪声”,而今天可以用Photoshop在几秒内完成。但是对于大多数摄影家,当然不希望噪声的出现。噪声的测试可以通过Imatest的很多模块来实现:Multicharts,Multitest,eSFR ISO,Colorcheck,Stepchart,SFR,SFRplus和Uniformity。其中Multicharts,Multitest 和eSFR ISO是功能最全面的三个噪声测试模块。 噪声在灰阶卡中的表现如下图所示。噪声的计算通常用的是均方根RMS,A到C列是通过灰阶卡来模拟的信号噪声。这种方法是通过最小密度0.05并且密度阶梯为0.1,等同于柯达Q-13和Q-14测试卡。他们是经过了伽马值1/2.2(根据标准)的调整。此图增加了比常规相机更多的信号噪声,如A列和B列,而C 列是无噪声,D列则是佳能EOS-10D在感光度1600下拍摄Q-13灰阶卡时的一个真实情况。可以明显的看出噪声,但是对于1600感光度的相机来说已经是非常好的表现了,无疑是经过了软件后期的降噪处理。

计算图像的峰值信噪比PSNR以及均方根误差MSE

简介 PSNR 是最普遍,最广泛使用的评鉴画质的客观量测法,不过许多实验结果都显示,PSNR 的分数无法和人眼看到的视觉品质完全一致,有可能PSNR 较高者看起来反而比PSNR 较低者差。 这是因为人眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化(例如: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)。 function main() clc; close all; I = imread('rice.png'); I1 = imnoise(I, 'salt & pepper'); figure; subplot(1, 2, 1); imshow(I); title('原图像'); subplot(1, 2, 2); imshow(I1); title('加噪声图像'); [PSNR, MSE] = psnr(I, I1) % 图像峰值信噪比PSNR、均方根误差MSE % By lyqmath % Dalian University of Technology % School of Mathematical Sciences function [PSNR, MSE] = psnr(X, Y) % 计算峰值信噪比PSNR、均方根误差MSE % 如果输入Y为空,则视为X与其本身来计算PSNR、MSE if nargin<2 D = X; else if any(size(X)~=size(Y)) error('The input size is not equal to each other!'); end D = X-Y; end MSE = sum(D(:).*D(:))/prod(size(X));

图像信噪比

图像的信噪比应该等于信号与噪声的功率谱之比,但通常功率谱难以计算, 信噪比

通过计算公式我们发现,信噪比不是一个固定的数值,它应该随着输入信号的变化而变化,如果噪声固定的话,显然输入信号的幅度越高信噪比就越高。显然,这种变化着的参数是不能用来作为一个衡量标准的,要想让它成为一种衡量标准,就必须使它成为一个定值。于是,作为器材设备的一个参数,信噪比被定义为了“在设备最大不失真输出功率下信号与噪声的比率”,这样,所有设备的信噪比指标的测量方式就被统一起来,大家可以在同一种测量条件下进行比较了。信噪比通常不是直接进行测量的,而是通过测量噪声信号的幅度换算出来的,通常的方法是:给放大器一个标准信号,通常是0.775Vrms或2Vp-p@1kHz, 调整放大器的放大倍数使其达到最大不失真输出功率或幅度(失真的范围由厂家决定,通常是10%,也有1%),记下此时放大器的输出幅Vs,然后撤除输入信号,测量此时出现在输出端的噪声电压,记为Vn,再根据SNR=20lG(Vs/Vn)就可以计算出信噪比了。Ps和Pn 分别是信号和噪声的有效功率,根据SNR=10lg(Ps/Pn)也可以计算出信号比。 这样的测量方式完全可以体现设备的性能了。但是,实践中发现,这种测量方式很多时候会出现误差,某些信噪比测量指标高的放大器,实际听起来噪声比指标低的放大器还要大。经过研究发现,这不是测量方法本身的错误,而是这种测量方法没有考虑到人的耳朵对于不同频率的声音敏感性是不同的,同样多的噪声,如果都是集中在几百到几千Hz,和集中在20KHz以上是完全不同的效果,后者我们可能根本就察觉不到。因此就引入了一个“权”的概念。这是一个统计学上的概念,它的核心思想是,在进行统计的时候,应该将有效的、有用的数据进行保留,而无效和无用的数据应该尽量排除,使得统计结果接近最准确,每个统计数据都由一个“权”,“权”越高越有用,“权”越低就越无用,毫无用处的数据的“权”为0。于是,经过一系列测试和研究,科学家们找到了一条“通用等响度曲线”,这个曲线代表的是人耳对于不同频率的声音的灵敏度的差异,将这个曲线引入信噪比计算方法后,信噪比指标就和人耳感受的结果更为接近了。噪声中对人耳影响最大的频段“权”最高,而人耳根本听不到的频段的“权”为0。这种计算方式被称为“A计权”,已经称为音响行业中普遍采用的计算方式。

相关文档
最新文档