- 主模块包括
main.py
和evaluation.py
,其余文件均为子模块 main.py
用于超声图像去噪并输出结果,evaluation.py
用于生成对应的PSNR与SSIM测量标准
loaddata.py
是一个自定义的数据库类型,用于读取噪声图片及输出结果Detect.py
用于寻找超声图片中的人工标记,其返回的结果是一个对人工标记的mask,大小与图像本身一致Method.py
含有去除人工标记所使用的插值算法,及各类在测试时用到的平滑滤波函数PSNR.py
与SSIM.py
为PSNR与SSIM的评估算法实现
- 编译语言使用
Python 3.7.4
- 编译环境已用Python写好
requirement.txt
,使用方法为:在requirement.txt
的文件目录下输入命令行pip install -r requirements.txt
- 执行
main.py
,要求输入输入文件夹与输出文件夹的名称
--input_dir: train_noise
--output_dir: train_result
- 输出为正在处理后的文件名
BR 176 YUAN XIA F39Y_20160113_133403_image.jpg
BRE HU YUQING F 74_20180608_104646_image.jpg
BRE XU MINWEN F 62_20180604_153248_image.jpg
……
- 执行
evaluation.py
,要求输入目标文件夹与main.py
中输出文件夹的名称
--target_dir: train_origin
--output_dir: train_result
- 输出为正在处理后的文件名以及其PSNR与SSIM值,且将结果保存在与
.py
同目录下的result.xls
中
NAME: BR 176 YUAN XIA F39Y_20160113_133403_image.jpg
PSNR: 45.66860261509194
SSIM: 0.9971477421850732
NAME: BRE HU YUQING F 74_20180608_104646_image.jpg
PSNR: 42.60963954842132
SSIM: 0.9924067270353069
……