让我们首先看看SNR与噪声的关系.您的错误图像是原始图像和噪声图像之间的差异,这意味着错误图像是噪声本身.因此,SNR实际上是：
SNR = 10log10[var(image)/var(noise)]
对于给定的图像和SNR = 5db,噪声的方差将是：
var(noise) = var(image)/10SNR/10 = var(image)/sqrt(10)
现在让我们将所有这些转换成MATLAB代码.要使用imnoise命令将白高斯噪声添加到图像(表示I),语法为：
I_noisy = imnoise(I, 'gaussian', m, v)
其中m是平均噪声,v是其方差.同样重要的是要注意,imnoise假设图像I的强度范围从0到1.
在我们的例子中,我们将添加零均值噪声,其方差为v = var(I(:))/ sqrt(10).完整的代码是：
%// Adjust intensities in image I to range from 0 to 1
I = I - min(I(:));
I = I / max(I(:));
%// Add noise to image
v = var(I(:)) / sqrt(10);
I_noisy = imnoise(I, 'gaussian', 0, v);
澄清：我们使用var(I(:))来计算图像I中所有样本的方差(而不是var(I),它计算沿列的方差).
希望这可以帮助！
例
I = imread('eight.tif');
I = double(I);
%// Adjust intensities in image I to range from 0 to 1
I = I - min(I(:));
I = I / max(I(:));
%// Add noise to image
v = var(I(:)) / sqrt(10);
I_noisy = imnoise(I, 'gaussian', 0, v);
%// Show images
figure
subplot(1, 2, 1), imshow(I), title('Original image')
subplot(1, 2, 2), imshow(I_noisy), title('Noisy image, SNR=5db')
这是结果：
