Exponenta Banner
exponenta event banner

denoiseImage

Изображение Denoise с использованием глубокой нейронной сети

свернуть все на странице

Синтаксис

B = denoureImage (A, net)

Описание

пример

B = denoiseImage(A,net) оценки деноизированное изображение B из шумного изображения A с использованием деноизирующей глубокой нейронной сети, указанной net.

Эта функция требует наличия Toolbox™ глубокого обучения.

Примеры

свернуть все

В этом примере используются:

Открыть сценарий в реальном времени

Загрузить предварительно обученную денуалирующую сверточную нейронную сеть, 'DnCNN'.

net = denoisingNetwork('DnCNN');

Загрузите изображение в градациях серого в рабочую область, а затем создайте шумную версию изображения.

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

Отображение двух изображений в качестве монтажа.

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, а 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 аргументы

свернуть все

Шумное изображение, указанное как одиночное 2-D изображение или стопка 2-D изображений. A могут быть:

  • 2-D изображение в оттенках серого с размером m-by-n.

  • 2-D Многоканальное изображение с размером m-by-n-by-c, где c - количество каналов изображения. Например, c равно 3 для изображений RGB и 4 для четырехканальных изображений, таких как изображения RGB с инфракрасным каналом.

  • Стопка 2-D изображений одинакового размера. В этом случае A имеет размер m-by-n-by-c-by-p, где p - количество изображений в стеке.

Типы данных: single | double | uint8 | uint16

Деноизирующая глубокая нейронная сеть, указанная как SeriesNetwork(Панель инструментов глубокого обучения). Сеть должна быть обучена обработке изображений с тем же форматом канала, что и A.

Выходные аргументы

свернуть все

Обличенное изображение, возвращаемое как одиночное 2-D изображение или стопка 2-D изображений. B имеет тот же размер и тип данных, что и A.

См. также

| |

Темы

Представлен в R2017b

Документация по инструментам обработки изображений

Поддержка