original_folder = 'Path to the folder containing the original images';
restored_folders = {'\\GaussianNoise\\GaussianRestored','\\GaussianNoise\\WienerRestored','\\GaussianNoise\\MedianRestored'
'\\SaltPepperNoise\\GaussianRestored','\\SaltPepperNoise\\WienerRestored','\\SaltPepperNoise\\MedianRestored'
'\\SpeckleNoise\\GaussianRestored','\\SpeckleNoise\\WienerRestored','\\SpeckleNoise\\MedianRestored'};
% ,'\\GaussianNoise\\WienerRestored','\\GaussianNoise\\MedianRestored'
for i = 1:numel(restored_folders)
image_files = dir(fullfile(original_folder, '*.png'));
restored_folder =strcat(original_folder,restored_folders{i});
disp(restored_folder);
mean_abs_diff = im2double(zeros(numel(image_files), 1));
mean_snr = im2double(zeros(numel(image_files), 1));
mean_psnr = im2double(zeros(numel(image_files), 1));
mean_imfid = im2double(zeros(numel(image_files), 1));
mean_mse = im2double(zeros(numel(image_files), 1));
for j=1:numel(image_files)
img_original = im2double(imread(fullfile(original_folder, image_files(i).name)));
img_restored = im2double(imread(fullfile(restored_folder, image_files(i).name)));
[absdiff,snr,psnr,imfid, mse] = compare(img_original,img_restored);
mean_abs_diff(i) = absdiff;
mean_snr(i) = snr;
mean_psnr(i) = (psnr(1)+psnr(2)+psnr(3))/3;
mean_imfid(i) = imfid;
mean_mse(i) = (mse(1)+mse(2)+mse(3))/3;
% fid = fopen(fullfile(restored_folder, 'Metrics.txt'), 'a');
% fprintf(fid, '%s\n', image_files(i).name);
% fprintf(fid, 'MSE: %.2f\n', mse);
% fprintf(fid, 'SNR: %.2f dB\n', snr);
% fprintf(fid, 'PSNR: %.2f dB\n', psnr);
% % fprintf(fid, 'Image Fidelity: %.2f\n', fi);
% % fprintf(fid, 'Similarity Index: %.2f\n\n', sim);
% fclose(fid);
end
m_abs_diff = mean(mean_abs_diff);
m_snr = mean(mean_snr);
m_psnr = mean(mean_psnr);
m_imfid = mean(mean_imfid);
m_mse = mean(mean_mse);
disp("Mean Abs Diff = " + num2str(m_abs_diff));
disp("Mean SNR = " + num2str(m_snr));
disp("Mean PSNR = " + num2str(m_psnr));
disp("Mean Imfid = " + num2str(m_imfid));
disp("Mean MSE = " + num2str(m_mse));
end
没有合适的资源?快使用搜索试试~ 我知道了~
基于维纳、中值和高斯滤波器实现月球表面图像去噪附matlab代码.zip
共21个文件
png:20个
m:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 23 浏览量
2024-01-26
21:29:08
上传
评论
收藏 36.09MB ZIP 举报
温馨提示
1.程序语言为matlab,程序可出预测效果图,迭代优化图,相关分析图,运行环境matlab2020b及以上。 2.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 4.作者介绍:某大厂资深算法工程师,从事Matlab算法仿真工作10年;擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验,更多仿真源码、数据集定制私信+。
资源推荐
资源详情
资源评论
收起资源包目录
基于维纳、中值和高斯滤波器实现月球表面图像去噪附matlab代码.zip (21个子文件)
基于维纳、中值和高斯滤波器实现月球表面图像去噪附matlab代码
Image-Restoration-on-Lunar-Surface-Images-main
Comparision.m 2KB
Dataset
19.png 1.75MB
10.png 1.7MB
12.png 1.9MB
24.png 1.84MB
25.png 1.9MB
15.png 1.85MB
1.png 1.89MB
23.png 1.86MB
11.png 1.92MB
13.png 1.83MB
27.png 1.42MB
21.png 1.69MB
17.png 1.89MB
16.png 1.89MB
20.png 1.63MB
18.png 1.91MB
2.png 1.88MB
14.png 1.6MB
26.png 1.88MB
22.png 1.92MB
共 21 条
- 1
资源评论
matlab科研助手
- 粉丝: 1w+
- 资源: 1994
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功