关于#matlab#的问题：从视频中提取图片，高斯滤波后计算噪声的标准差。出现有规律的点。

Question

我从一段30帧的视频中，每3帧提取当前图片，对图片进行高斯滤波，然后用原始图像减去滤波后的图像，提取噪声，计算噪声的绝对平均值和标准差。
为什么会在31℃左右会出现一个异常点，而且每隔一定温度，就会出现有规律的一些点。是我的代码有问题吗。
以下是我的matlab处理代码。

for frameNumber1 = 1:framesPerInterval:videoObj.NumFrames
    currentcFrame = read(videoObj, frameNumber1);
    grayFrame = rgb2gray(currentcFrame); 
    image=grayFrame(170:550,450:830);
    grayImage = double(image);

    image_mean = mean(grayImage(:));
    image_std = std(grayImage(:));

    filteredFrame = imgaussfilt(image, 0.7, 'FilterSize', 5);

    noise = double(image) - double(filteredFrame);
    noise_mean_abs = mean(abs(noise(:)));
    noise_std = std(noise(:));

    image_means=[image_means,image_mean];
    image_stds=[image_stds,image_std];

    noise_means_abs = [noise_means_abs, noise_mean_abs];
    noise_stds = [noise_stds, noise_std];
end

Answer 1

引自免费微信小程序：皆我百晓生

在分析您的代码和提供的信息后，我认为您观察到的有规律的点可能是由于以下原因造成的：

1. 视频中的帧率不均匀，导致某些帧与实际温度之间的对应关系不是完全线性的。
2. 高斯滤波器可能在某些帧上过度平滑了图像，这可能会引入一些伪影，特别是在边缘和细节丰富的区域。
3. 图像处理过程中可能存在噪声，尤其是在读取、转换或滤波步骤中。

为了解决这个问题，我们可以尝试以下几个步骤：

步骤1: 确保视频帧率是恒定的。如果不是，请确保您正确地调整了帧间隔，以匹配视频的实际帧率。

步骤2: 考虑使用不同的高斯滤波器参数，例如调整滤波器大小或标准偏差，以减少平滑过度带来的伪影。

步骤3: 在计算噪声时，可以考虑使用局部平均方法（如邻域平均）来估算背景噪声，而不是直接通过原始图像和滤波图像之差来获取。

下面是修改后的代码，包括上述建议的实现：

% 设置高斯滤波器大小和标准偏差
filterSize = 5;
sigma = 0.7;

% 初始化变量
image_means = [];
image_stds = [];
noise_means_abs = [];
noise_stds = [];

% 增加一个局部平均窗口大小，用于背景噪声估计
localAvgWindow = 15; % 可根据实际情况调整

for frameNumber1 = 1:framesPerInterval:videoObj.NumFrames
    currentcFrame = read(videoObj, frameNumber1);
    grayFrame = rgb2gray(currentcFrame); 
    image = grayFrame(170:550,450:830);
    grayImage = double(image);

    image_mean = mean(grayImage(:));
    image_std = std(grayImage(:));

    filteredFrame = imgaussfilt(image, sigma, 'FilterSize', filterSize);

    % 使用局部平均法估计背景噪声
    localNoise = zeros(size(image));
    for i = 1:image_size(1)
        for j = 1:image_size(2)
            windowStartRow = max(i-localAvgWindow/2, 1);
            windowEndRow = min(i+localAvgWindow/2, image_size(1));
            windowStartCol = max(j-localAvgWindow/2, 1);
            windowEndCol = min(j+localAvgWindow/2, image_size(2));
            
            localRegion = image(windowStartRow:windowEndRow, windowStartCol:windowEndCol);
            localBackground = mean(localRegion(:));
            localNoise(i,j) = abs(image(i,j) - localBackground);
        end
    end

    noise_mean_abs = mean(localNoise(:));
    noise_std = std(localNoise(:));

    image_means=[image_means,image_mean];
    image_stds=[image_stds,image_std];

    noise_means_abs = [noise_means_abs, noise_mean_abs];
    noise_stds = [noise_stds, noise_std];
end

这段代码首先进行了局部平均噪声估计，这是通过计算每个像素周围 localAvgWindow 大小的邻域内的平均值来完成的。然后，它将当前像素的值与其所在邻域的平均值相比较，得到噪声值。这种方法可以帮助减少由高斯滤波器引起的伪影，并更准确地反映图像中的真实噪声水平。

为了进一步确认这些变化是否解决了问题，您可以绘制噪声平均绝对值随时间（或温度）的变化曲线，看看是否有改善。如果您仍然遇到类似的问题，可能需要检查输入数据本身是否存在异常，例如光照条件的变化或其他可能影响图像质量的因素。