В этом примере показано, как использовать wiener2 для адаптивного применения фильтра Винера (типа линейного фильтра) к изображению. Фильтр Винера адаптируется к локальной дисперсии изображения. Если отклонение велико, wiener2 выполняет небольшое сглаживание. Где отклонение невелико, wiener2 обеспечивает большее сглаживание.

Этот подход часто дает лучшие результаты, чем линейная фильтрация. Адаптивный фильтр более избирательен, чем сопоставимый линейный фильтр, сохраняя края и другие высокочастотные части изображения. Кроме того, отсутствуют задачи проектирования; wiener2 функция обрабатывает все предварительные вычисления и реализует фильтр для входного изображения. wiener2однако требуется больше времени вычисления, чем линейная фильтрация.

wiener2 лучше всего работает, когда шум является аддитивным шумом постоянной мощности («белый»), например гауссовым шумом. Приведенный ниже пример применим wiener2 к изображению Сатурна с добавленным гауссовым шумом.

Считывание изображения в рабочую область.

RGB = imread('saturn.png');

Преобразование изображения из цвета truecolor в оттенки серого.

I = im2gray(RGB);

Добавление гауссова шума к изображению

J = imnoise(I,'gaussian',0,0.025);

Отображение шумного изображения. Поскольку изображение достаточно велико, отобразите только часть изображения.

imshow(J(600:1000,1:600));
title('Portion of the Image with Added Gaussian Noise');

Удалите шум с помощью wiener2 функция.

K = wiener2(J,[5 5]);

Отображение обработанного изображения. Поскольку изображение достаточно велико, отобразите только часть изображения.

figure
imshow(K(600:1000,1:600));
title('Portion of the Image with Noise Removed by Wiener Filter');