При обробці та передачі інформації у вигляді зображень, важливою є проблема зменшення їх спотворення за рахунок різноманітних шумів. Шум знижує якість зображення і тим самим сприйняття інформації, що міститься у ньому. Через ці проблеми погіршується можливість оцінки інформації, яку можна отримати в результаті аналізу за допомогою як візуального так і комп’ютерного методів. Процедурою зменшення шумів на зображеннях займається область обробки зображень, яка отримала назву відновлення. Не дивлячись на перетин цієї області з покращенням зображень, слід відмітити, що остання є у більшій степені суб’єктивною процедурою ,у той час як процес відновлення має в основному об’єктивний характер. При відновленні робиться спроба реконструювати або відтворити спотворене зображення, використовуючи для цього апріорну інформацію про явище, яке викликало його погіршення. Методи відновлення ґрунтуються на моделюванні процесів спотворення і використанні зворотних процедур для відновлення початкового зображення. У даній роботі запропоновано новий метод оцінки відновлення спотворених зображень, здійснених за допомогою просторових і частотних фільтрів. Він полягає у переведенні спотворених зображень перед фільтрацією у градації сірого і отриманні їх гістограм. Отримана гістограма екстраполюється гаусівською кривою і визначається величина середньоквадратичного відхилення. Аналогічна процедура здійснюється і для відновленого зображення. Аналіз проводився на мові програмування Python із використанням бібліотек для роботи з зображеннями Pillow та OpenCV. . Запропоновано параметр оцінки відновлення R , який являє собою відношення різниці середньоквадратичних відхилень спотвореного і відновленого зображень до середньоквадратичного відхилення спотвореного зображення. Оцінка параметру R була здійснена для середньогеометричного фільтру, фільтру серединної точки та фільтру Вінера і виявилась рівною 0,2; 0,3 і 0,43 відповідно, що корелює з візуальними спостереженнями.