Чтение изображения в рабочую область и его отображение.

I = imread('cameraman.tif');
imshow(I)
title('Original Image')

Сглаживание изображения с помощью анизотропной диффузии. Для сравнения также сглаживайте изображение с помощью гауссова размытия. Корректировка стандартного отклонения sigma гауссово сглаживающее ядро так, что текстурированные области, такие как трава, сглаживаются в одинаковом количестве для обоих способов.

Idiffusion = imdiffusefilt(I);
sigma = 1.2;
Igaussian = imgaussfilt(I,sigma);

Просмотрите результаты.

montage({Idiffusion,Igaussian},'ThumbnailSize',[])
title('Smoothing Using Anisotropic Diffusion (Left) vs. Gaussian Blurring (Right)')

Анизотропная диффузия сохраняет резкость рёбер лучше гауссова размытия.

Прочитайте изображение в градациях серого, затем примените к нему сильный гауссов шум. Отображение шумного изображения.

I = imread('pout.tif');
noisyImage = imnoise(I,'gaussian',0,0.005);
imshow(noisyImage)
title('Noisy Image')

Вычислите индекс структурного подобия (SSIM) для измерения качества шумного изображения. Чем ближе значение SSIM к 1, тем лучше изображение согласуется с бесшумным опорным изображением.

n = ssim(I,noisyImage);
disp(['The SSIM value of the noisy image is ',num2str(n),'.'])

The SSIM value of the noisy image is 0.26556.

Уменьшите шум с помощью анизотропной диффузии. Сначала попробуйте использовать параметры по умолчанию для анизотропного диффузионного фильтра и отобразите результат.

B = imdiffusefilt(noisyImage);
imshow(B)
title('Anisotropic Diffusion with Default Parameters')

nB = ssim(I,B);
disp(['The SSIM value using default anisotropic diffusion is ',num2str(nB),'.'])

The SSIM value using default anisotropic diffusion is 0.65665.

Изображение все еще ухудшается из-за шума, поэтому уточните фильтр. Выберите метод квадратичной проводимости, поскольку изображение характеризуется более широкими однородными областями, чем краями с высокой контрастностью. Оцените оптимальный порог градиента и количество итераций с помощью imdiffuseest функция. Отображение результирующего изображения.

[gradThresh,numIter] = imdiffuseest(noisyImage,'ConductionMethod','quadratic');
C = imdiffusefilt(noisyImage,'ConductionMethod','quadratic', ...
    'GradientThreshold',gradThresh,'NumberOfIterations',numIter);
imshow(C)
title('Anisotropic Diffusion with Estimated Parameters')

nC = ssim(I,C);
disp(['The SSIM value using quadratic anisotropic diffusion is ',num2str(nC),'.'])

The SSIM value using quadratic anisotropic diffusion is 0.88135.

Шум менее очевиден в полученном изображении. Значение SSIM, которое ближе к 1, подтверждает, что качество изображения улучшилось.

Загрузите шумный 3-D серый объем МРТ.

load mristack

Уменьшение шума с учетом краев объема с помощью анизотропной диффузии. Чтобы предотвратить чрезмерное сглаживание малоконтрастных признаков в мозге, уменьшите число итераций по сравнению с числом по умолчанию, 5. Компромисс заключается в том, что удаляется меньше шума.

diffusedImage = imdiffusefilt(mristack,'NumberOfIterations',3);

Чтобы сравнить шумное изображение и отфильтрованное изображение в деталях, отобразите десятый фрагмент того и другого.

imshowpair(mristack(:,:,10),diffusedImage(:,:,10),'montage')
title('Noisy Image (Left) vs. Anisotropic-Diffusion-Filtered Image (Right)')

Вычислите показатель оценки качества изображения естественности (NIQE), усредненный по всем срезам объема. Оценка NIQE обеспечивает количественную меру качества изображения, которая не требует эталонного изображения. Более низкие оценки NIQE отражают лучшее качество воспринимаемого изображения.

nframes = size(mristack,3);
m = 0;
d = 0;
for i = 1:nframes
    m = m + niqe(mristack(:,:,i));
    d = d + niqe(diffusedImage(:,:,i));
end
mAvg = m/nframes;
dAvg = d/nframes;
disp(['The NIQE score of the noisy volume is ',num2str(mAvg),'.'])

The NIQE score of the noisy volume is 5.7794.

disp(['The NIQE score using anisotropic diffusion is ',num2str(dAvg),'.'])

The NIQE score using anisotropic diffusion is 4.1391.

Оценка NIQE согласуется с наблюдением пониженного шума в отфильтрованном изображении.