如何使用python语言，使用skimage载入灰度图，用小波变换给图片去噪，借助PSNR找到小波去噪最合适的sigma，并打印搜索过程

您可以使用以下代码来使用Python语言使用skimage库载入灰度图，使用小波变换给图片去噪，利用PSNR找到最合适的sigma，并打印搜索过程：

from skimage import io, data
import matplotlib.pyplot as plt
from skimage.restoration import denoise_wavelet
from skimage.measure import compare_psnr

# 载入灰度图
image = data.coins()
image_gray = io.imread('image.jpg', as_gray=True)

# 去噪函数
def wiener_denoise(image, sigma):
    return denoise_wavelet(image, sigma, wavelet='db1', method='BayesShrink', mode='soft')

# PSNR计算函数
def get_psnr(image1, image2):
    return compare_psnr(image1, image2)

# 搜索最佳sigma
sigmas = [0.001, 0.01, 0.1, 0.5, 1, 2, 5, 10]

best_psnr = -1
best_sigma = -1

psnrs = []

for sigma in sigmas:
    # 小波去噪
    image_denoised = wiener_denoise(image_gray, sigma)

    # PSNR计算
    psnr = get_psnr(image_gray, image_denoised)
    psnrs.append(psnr)

    # 记录最佳sigma
    if psnr > best_psnr:
        best_psnr = psnr
        best_sigma = sigma

    # 打印搜索过程
    print('sigma:', sigma, 'PSNR:', psnr)

print('最佳sigma:', best_sigma, 'PSNR:', best_psnr)

# 打印PSNR搜索图像
plt.plot(sigmas, psnrs)
plt.xlabel('sigma')
plt.ylabel('PSNR')
plt.show()

您可以将`image_gray`替换为您想要去噪的图像的路径。此代码将搜索sigma的所有可能值并打印出搜索过程。最后，它将打印找到最佳sigma的值，并打印出每个sigma值的PSNR搜索图像。