В этом примере показано, как использовать wiener2 функция для применения фильтра Винера (типа линейного фильтра) к изображению адаптивно. Фильтр Винера адаптируется к локальному отклонению изображения. Где отклонение большая, wiener2 выполняет небольшое сглаживание. Где отклонение небольшая, wiener2 выполняет больше сглаживания.

Этот подход часто дает лучшие результаты, чем линейная фильтрация. Адаптивный фильтр более избирательен, чем сопоставимый линейный фильтр, сохраняющие ребра и другие высокочастотные части изображения. В сложение проекта задач нет; а wiener2 Указатели на функцию все предварительные расчеты и реализуют фильтр для входа изображения. wiener2однако требует больше времени расчета, чем линейная фильтрация.

wiener2 лучше всего работает, когда шум является аддитивным шумом постоянной мощности («белым»), таким как Гауссов шум. Применим приведенный ниже пример wiener2 к изображению Сатурна с добавленным Гауссовым шумом.

Считайте изображение в рабочую область.

RGB = imread('saturn.png');

Преобразуйте изображение из труколора в полутоновый.

I = im2gray(RGB);

Добавьте Гауссов шум к изображению

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

Отобразите шумное изображение. Поскольку изображение довольно большое, отображать только фрагмент 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]);

Отобразите обработанное изображение. Поскольку изображение довольно большое, отображать только фрагмент изображения.

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