如何根据原始图像和去噪图像获得噪声？答案

【问题标题】：How to get the noise based on the original image and denoised image?如何根据原始图像和去噪图像获得噪声？
【发布时间】：2021-07-14 12:31:12
【问题描述】：

我正在做去噪工作，我对 Python 不是很熟悉。我用BM3D得到去噪的图片，我也有原图。

现在我想通过这样做来消除噪音：

tmp = img - img_denoised

但原来是这样一个很奇怪的黑白图：

那么我怎样才能得到一张合适的噪点图片呢？我希望得到的是这样的图像：

编辑：从网上找了一张图片，做了同样的处理。

处理后：

再次编辑：

提供一个简单的例子：

import cv2

img = cv2.imread("path of the original image")

img_denoised = cv2.imread("path of the denoised image")

tmp = img - img_denoised

cv2.imwrite("test_noise.jpg",tmp)

【问题讨论】：

@Bilal 抱歉，使用网络上传图片可能会有些麻烦...由于我有去噪图像和原始图像，如何获取噪声图像与实际关系不大我认为的图像。
确实如此。但是您仍然可以发布minimal reproducible example：拍摄任何其他图像，添加一些噪声，将差异作为您的噪声图像，显示它。我认为您对图像的显示方式有疑问，但也可能是类型的问题。
再次，请显示minimal reproducible example。我们不需要查看您的去噪代码，编写一个简短的程序来加载您刚刚发布的那两张图像，获取差异并显示结果。这样我们就可以看到你是如何做这些事情的。确保您的示例程序重现了该问题。
@Cris Luengo 我更新了一个简单的例子，也许有帮助？

标签： python image-processing

【解决方案1】：

在您的示例代码中，img 和 img_denoised 都是 uint8 NumPy 数组。对这些数组进行操作时，输出的类型相同。这些运算都是以 256 为模的。当运算结果超过 255 时，它会回绕回 0，当结果为负时，它会回绕回 255。例如：

np.array([5], np.uint8) - np.array([10], np.uint8)

返回array([251], dtype=uint8)。我们得到 256 - 5 = 251，而不是 -5，它不能用 uint8 值表示。

减法img - img_denoised 会产生一些略高于零的值，看起来黑色，而一些值略低于零，将存储为接近 255 的值并看起来白色。

我们可以通过不同的方式解决这个问题。一种是强制使用浮点值进行操作：

tmp = img.astype(float) - img_denoised.astype(float)

我们现在有一个浮点数组，其中大约一半是负数。但是 JPEG 文件只能存储 uint8 值，将浮点值转换为 uint8 将使我们回到开始的位置。所以我们需要把原点（零值）移到一个中间灰色（一般是128）：

tmp = img.astype(float) - img_denoised.astype(float)
tmp += 128
cv2.imwrite("test_noise.jpg", tmp.astype(np.uint8))

这是非常繁琐的，但它确实有效。我更喜欢使用一个为我处理数据类型的库，所以当我不想时不必考虑它们。 DIPlib就是这样一个库（免责声明：我是作者）：

import diplib as dip

img = dip.ImageRead("7yJS3.png")
img_denoised = dip.ImageRead("xjQIy.png")

tmp = img - img_denoised
tmp += 128
dip.ImageWrite(tmp, "test_noise.jpg")

在 DIPlib 中，算术运算会自动将图像提升为浮点类型，除非我们明确禁止它。另存为 JPEG 会静默地将图像转换为 uint8（如果像素值超出 uint8 类型的范围，则会发生错误）。

【讨论】：

非常感谢！它解决了我的问题，现在我可以获得正确的图像！

【解决方案2】：

由于信息有限，很难确定问题所在。请提供输入图片和更多代码。

看起来结果图像是二进制位图，只有白色或黑色，没有灰色。您的 tmp 图像的像素格式可能不正确，这可能是由于您的 img 和 img_denoised 的像素格式不同，或者两者都是错误的。尝试显示您的输入图像，看看它们是否正常。

你的 img 和 img_denoised 应该是相同的像素格式，可能是 8 位灰度，也可能是 24 位 RGB，在img-img_denoised 之后，结果应该仍然是相同的像素格式。

也可能是因为它没有签名，试着让它签名，或者对所有像素 + 128 看看发生了什么。

【讨论】：

感谢您的回答。我更新了问题，不知道是否提供了足够的信息。 BM3D算法也比较复杂，不知道要放多少代码。
如果您无法回答问题，请不要发布答案。您可以发表评论以要求澄清，也可以标记问题以供审核。

【解决方案3】：

您的图像数据类型/范围是什么？ 0-1 还是 0-255？

如果你的图像是0-1 float32，则噪声图像的数据范围为[-1, 1]，大约一半的像素低于0，并且当cv2.imshow()显示为“黑色”时。

试试

noise = origin - clean
noise = (noise + 1) * 0.5

【讨论】：

感谢您的回答！我试过你的方法，但结果是黑色和灰色的图像......但也许是类型的问题？稍后我会弄清楚的。