Exponenta Banner

denoiseImage

Денуазируйте изображение с помощью глубокой нейронной сети

Свернуть все на странице

Синтаксис

B = denoiseImage(A,net)

Описание

пример

B = denoiseImage(A,net) оценивает деноизированное изображение B от шумного изображения A использование денуизирующей глубокой нейронной сети, заданной net.

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

Примеры

свернуть все

Этот пример использует:

Открыть Live Script

Загрузите предварительно обученную деноизирующую сверточную нейронную сеть, '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, заданное как одно 2-D изображение или стек 2-D изображений. A могут быть:

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

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

  • Стек одинаковых по размеру 2-D изображений. 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

Шумоподавление глубокой нейронной сети, заданная как SeriesNetwork (Deep Learning Toolbox) объект. Сеть должна быть обучена обрабатывать изображения с таким же форматом канала, как A.

Выходные аргументы

свернуть все

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

См. также

| |

Темы

Введенный в R2017b

Документация по Image Processing Toolbox

Поддержка