denoiseImage

Изображение Denoise с помощью глубокой нейронной сети

Синтаксис

Описание

пример

B = denoiseImage(A,net) оценки denoised отображают B от шумного изображения A использование глубокой нейронной сети шумоподавления задано net.

Эта функция требует, чтобы у вас был Deep Learning Toolbox™.

Примеры

свернуть все

Загрузите предварительно обученную сверточную нейронную сеть шумоподавления, 'DnCNN'.

net = denoisingNetwork('DnCNN');

Загрузите полутоновое изображение в рабочую область, затем создайте шумную версию изображения.

I = imread('cameraman.tif');
noisyI = imnoise(I,'gaussian',0,0.01);

Отобразите два изображения как монтаж.

montage({I,noisyI})
title('Original Image (Left) and Noisy Image (Right)')

Figure contains an axes. The axes with title Original Image (Left) and Noisy Image (Right) contains an object of type image.

Удалите шум из шумного изображения, затем отобразите результат.

denoisedI = denoiseImage(noisyI,net);
imshow(denoisedI)
title('Denoised Image')

Figure contains an axes. The axes with title Denoised Image contains an object of type image.

Входные параметры

свернуть все

Шумное изображение в виде одного 2D изображения или стека 2D изображений. A может быть:

  • 2D полутоновое изображение с размером m-by-n.

  • 2D многоканальное изображение с размером m-by-n-by-c, где c является количеством каналов изображений. Например, c 3 для изображений RGB, и 4 для изображений с четырьмя каналами, таких как изображения RGB с инфракрасным каналом.

  • Стек одинаково измеренных 2D изображений. В этом случае, A имеет размер m-by-n-by-c-by-p, где p является количеством изображений в стеке.

Типы данных: single | double | uint8 | uint16

Глубокая нейронная сеть шумоподавления в виде SeriesNetwork Объект (Deep Learning Toolbox). Сеть должна быть обучена, чтобы обработать изображения с тем же форматом канала как A.

Выходные аргументы

свернуть все

Изображение Denoised, возвращенное как одно 2D изображение или стек 2D изображений. B имеет тот же размер и тип данных как A.

Введенный в R2017b
Для просмотра документации необходимо авторизоваться на сайте