如何计算动态范围的信噪比？

Question

说到编码，我是一个绝对的初学者，所以我真的不知道该怎么做。我知道以前有人问过这个问题，但我查过之后就想不出来了。我希望有人能帮助我。现在我的最终目标是找出arri amira实际使用的动态范围。这是我们大学项目的一部分。（规格说明为14+）我拍摄的镜头范围为0,5到22个f-stops。我还有一张镜头盖开着的照片（暗框，不是100%黑色，因为有噪音）。所有帧都保存为TIFF（这是我们项目中的一个要求）。现在我首先要计算暗帧的p（噪声），对吗？信噪比=P（信号）/P（噪声）。然后将该值用作其他图像的p（噪波）

我也不知道如何计算p（噪声）。我的想法是将暗帧图像与实际上完全黑色的暗帧进行比较。也许是一个充满零的数组？我找到了包含mse值计算的代码。这符合我的想法吗？ 我尝试的是：

realDarkframe= np.zeros( (1080,1920,3) )
darkframeOfAmira= cv2.imread("image.tif",1)
def snr(img1, img2):
    mse = np.mean( (img1 - img2) ** 2)
    return mse

d=snr(realDarkframe,darkframeOfAmira)
print(d)

返回565.7092896412037的值。现在我不知道那是什么意思。我也不知道如何计算p（信号），即使这是正确的，数字565.7092896412037实际上等于p（噪声）

Answer 1

测量装置（即照相机）的动态范围描述了最大和最小可测量光强度之间的比率。关于这一点，在您的实现中出现了两个问题

1. 确定动态范围下限的暗帧图像不应为纯零。这意味着一个无限的动态范围（在SNR公式中除以零）。相反，你需要像你建议的那样捕捉一个黑暗的镜头

"I also have a shot with the lens cap on (darkframe, which is not 100% black, because there is noise)."

并将此图像用作参考。您还需要以最大强度拍摄图像（总白色-“烧焦”）

1. 码段中的信噪比计算公式为均方误差。您应该使用wikipediasnr=P（信号）/P（噪声）=平均值（信号^2）/mean（噪声^2）中描述的公式

此代码应适用于：

darkframeOfAmira = cv2.imread("dark_image.tif",1)
brightframeOfAmira= cv2.imread("image.tif",1)
def snr(img1, img2):
    return np.mean(img1 ** 2) / (np.mean(img2 ** 2) + 1e-12)

d=snr(brightframeOfAmira,darkframeOfAmira)
print(d)