Удаление шума из цветного изображения с помощью предварительно обученной нейронной сети
В этом примере показано, как удалить Гауссов шум из изображения RGB. Разделите изображение на отдельные цветовые каналы, затем денуризируйте каждый канал с помощью предварительно обученной обличающей нейронной сети, DnCNN.
Считайте цветное изображение в рабочую область и преобразуйте данные в double. Отобразите первозданное цветное изображение.
pristineRGB = imread('lighthouse.png'); pristineRGB = im2double(pristineRGB); imshow(pristineRGB) title('Pristine Image')
Добавьте к изображению средний Гауссов белый шум с отклонением 0,01. imnoise добавляет шум каждому цветовому каналу независимо. Отобразите шумное цветное изображение.
noisyRGB = imnoise(pristineRGB,'gaussian',0,0.01); imshow(noisyRGB) title('Noisy Image')
Разделите шумное изображение RGB на отдельные цветовые каналы.
[noisyR,noisyG,noisyB] = imsplit(noisyRGB);
Загрузите предварительно обученную сеть DnCNN.
net = denoisingNetwork('dncnn');Используйте сеть DnCNN, чтобы удалить шум из каждого цветового канала.
denoisedR = denoiseImage(noisyR,net); denoisedG = denoiseImage(noisyG,net); denoisedB = denoiseImage(noisyB,net);
Рекомбинируйте деноминированные цветовые каналы, чтобы сформировать деноминированное изображение RGB. Отобразите деноизированное цветное изображение.
denoisedRGB = cat(3,denoisedR,denoisedG,denoisedB);
imshow(denoisedRGB)
title('Denoised Image')
Вычислите пиковое отношение сигнал/шум (PSNR) для шумных и обесцененных изображений. Больший PSNR указывает, что шум имеет меньший относительный сигнал и связан с более высоким качеством изображения.
noisyPSNR = psnr(noisyRGB,pristineRGB);
fprintf('\n The PSNR value of the noisy image is %0.4f.',noisyPSNR);The PSNR value of the noisy image is 20.6395.
denoisedPSNR = psnr(denoisedRGB,pristineRGB);
fprintf('\n The PSNR value of the denoised image is %0.4f.',denoisedPSNR);The PSNR value of the denoised image is 29.6857.
Вычислите индекс структурного подобия (SSIM) для шумных и обесцененных изображений. Индекс SSIM, близкий к 1, указывает на хорошее согласие с эталонным изображением и более высокое качество изображения.
noisySSIM = ssim(noisyRGB,pristineRGB);
fprintf('\n The SSIM value of the noisy image is %0.4f.',noisySSIM);The SSIM value of the noisy image is 0.7393.
denoisedSSIM = ssim(denoisedRGB,pristineRGB);
fprintf('\n The SSIM value of the denoised image is %0.4f.',denoisedSSIM);The SSIM value of the denoised image is 0.9507.
На практике цветовые каналы изображений часто имеют коррелирующий шум. Чтобы удалить коррелированный шум изображения, сначала преобразуйте изображение RGB в цветовое пространство с каналом яркости, таким как цветовое пространство L * a * b *. Удалите шум только в канале яркости, затем преобразуйте деноминированное изображение обратно в цветовое пространство RGB.
См. также
denoiseImage | denoisingNetwork | imnoise | lab2rgb | psnr | rgb2lab | ssim