Удалите шум из цветного изображения Используя предварительно обученную нейронную сеть

В этом примере показано, как удалить Гауссов шум из изображения RGB с помощью сверточной нейронной сети шумоподавления.

Считайте цветное изображение в рабочую область и преобразуйте данные в тип данных double. Отобразите нетронутое цветное изображение.

pristineRGB = imread('lighthouse.png');
pristineRGB = im2double(pristineRGB);
imshow(pristineRGB)
title('Pristine Image')

Figure contains an axes object. The axes object with title Pristine Image contains an object of type image.

Добавьте нулевой средний Гауссов белый шум с отклонением 0,01 к изображению. imnoise функция добавляет шум в каждый цветовой канал независимо. Отобразите шумное цветное изображение.

noisyRGB = imnoise(pristineRGB,'gaussian',0,0.01);
imshow(noisyRGB)
title('Noisy Image')

Figure contains an axes object. The axes object with title Noisy Image contains an object of type image.

Предварительно обученная сверточная нейронная сеть шумоподавления, DnCNN, работает с одноканальными изображениями. Разделите шумное изображение RGB в его три отдельных цветовых канала.

[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);

Повторно объедините denoised цветовые каналы, чтобы сформировать denoised изображение RGB. Отобразите denoised цветное изображение.

denoisedRGB = cat(3,denoisedR,denoisedG,denoisedB);
imshow(denoisedRGB)
title('Denoised Image')

Figure contains an axes object. The axes object with title Denoised Image contains an object of type image.

Вычислите пиковое отношение сигнал-шум (PSNR) для изображений denoised и шумного. Больший PSNR указывает, что шум имеет меньший относительный сигнал и сопоставлен 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 структурное подобие (SSIM) индекс для изображений denoised и шумного. Индекс SSIM близко к 1 указывает на хорошее соглашение со ссылочным 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 каналы цвета изображения часто коррелировали шум. Чтобы удалить коррелируемый шум изображения, сначала преобразуйте изображение RGB в цветовое пространство с каналом яркости, таким как L*a*b* цветовое пространство. Удалите шум на канале яркости только, затем преобразуйте изображение denoised назад в цветовое пространство RGB.

Смотрите также

(Image Processing Toolbox) | (Image Processing Toolbox) | (Image Processing Toolbox) | (Image Processing Toolbox) | (Image Processing Toolbox) | (Image Processing Toolbox) | (Image Processing Toolbox)

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте