📚旁征博引

胶体粒子 信噪比导图

🎯要点

1. 使用信噪比、对比度噪声比和点扩展函数量化实验数据，增强共聚焦显微镜成像。
2. 参考粒子跟踪算法：使用二维和三维径向模型细化亚像素。
3. 胶体粒子三维图形分割学习模型模拟检测球形胶体。
4. 使用网格搜索优化模型和归一化处理以避免光漂白。

🍪语言内容分比

pie title 语言分比
 "Python":90
 "C/C++":60

pie title 内容分比
 "算法模型":90
 "显微镜学":80
 "数学、矩阵":40
 "物理学":30
 "数字信号处理":20
 "准确度评估指标":10
 "模型模拟":20
 "绘图":20

✂️梗概

🍇Python去噪平滑

峰值信噪比是一个工程术语，表示信号的最大可能功率与影响其表示保真度的破坏性噪声功率之间的比率。由于许多信号的动态范围非常宽，因此 PSNR 通常使用分贝标度表示为对数值。通常用于量化经过有损压缩的图像和视频的重建质量。

峰值信噪比最容易通过均方误差 (MSE) 来定义。给定一个无噪声的 $m \times n$ 单色图像 I 及其噪声近似值 K, MSE 定义为

$$ M S E=\frac{1}{m n} \sum_{i=0}^{m-1} \sum_{j=0}^{n-1}[I(i, j)-K(i, j)]^2 $$

峰值信噪比定义为：

$$ \begin{aligned} P S N R & =10 \cdot \log _{10}\left(\frac{M A X_I^2}{M S E}\right) \\ & =20 \cdot \log _{10}\left(\frac{M A X_I}{\sqrt{M S E}}\right) \\ & =20 \cdot \log _{10}\left(M A X_I\right)-10 \cdot \log _{10}(M S E) \end{aligned} $$

这里，MAX 是图像的最大可能像素值。当像素使用每个样本 8 位表示时，该值为 255 。更一般地，当样本使用每个样本 B 位的线性 PCM 表示时，$M A X_l$ 为 $2^B-1$。

Python代码化数学定义：