Bildrauschalgorithmen werden üblicherweise an Bildern mit künstlichem Rauschen bewertet, was zu irreführenden Schlussfolgerungen über ihre Leistungsfähigkeit bei echtem Rauschen führen kann. In diesem Artikel stellen wir einen Datensatz mit Farbbildern vor, die durch natürliches Rauschen unter Bedingungen niedriger Beleuchtung verunreinigt sind, zusammen mit räumlich und intensitätsausgeglichenen, niedrigrauschen Bildern derselben Szenen. Außerdem präsentieren wir eine Methode zur Schätzung des tatsächlichen Rauschniveaus in unseren Bildern, da auch die niedrigrauschen Bilder geringe Rauschanteile enthalten. Wir evaluieren die Genauigkeit unserer Rauschschätzmethode an realen und künstlichen Rauschmustern und untersuchen das Poisson-Gauß-Rauschmodell. Schließlich nutzen wir unseren Datensatz zur Bewertung sechs verschiedener Rauschunterdrückungsalgorithmen: Active Random Field, BM3D, Bilevel-MRF, Multi-Layer Perceptron sowie zwei Varianten des NL-means. Wir zeigen, dass zwar der Multi-Layer Perceptron, die Bilevel-MRF und der NL-means mit weichem Schwellwert bei Graubildern mit künstlichem Rauschen die Leistung von BM3D übertrifft, sie jedoch auf unserem Datensatz hinter BM3D zurückbleiben.