denoiseimage

Denoise image using deep neural network

在页面中崩溃

句法

b = denoiseimage（a，net）

b= denoiseimage（一个，，，，网）估计图像b来自嘈杂的图像一个使用由指定的深层神经网络网。

此功能要求您具有深度学习工具箱™。

此示例使用：

打开生活的脚本

加载预处理的降级卷积神经网络，'dncnn'。

net = denoisingnetwork（'dncnn'）；

将灰度图像加载到工作区中，然后创建图像的嘈杂版本。

i = imread（'cameraman.tif'）；noisyI = imnoise(I,“高斯”，0,0.01）;

将两个图像显示为蒙太奇。

montage({I,noisyI}) title(“原始图像（左）和嘈杂的图像（右）”）

图包含一个轴对象。带有标题原始图像（左）和嘈杂图像（右）的轴对象包含一个类型图像的对象。

从嘈杂的图像中删除噪音，然后显示结果。

denoisedi = denoiseimage（noisyi，net）;imshow（denoisedi）标题（“剥落图像”）

图包含一个轴对象。这axes object with title Denoised Image contains an object of type image.

嘈杂的图像，指定为单个2-D图像或二维图像的堆栈。一个可：

数据类型：单身的|双倍的|UINT8|UINT16

剥夺深神网络，指定为系列网络（深度学习工具箱）目的。该网络应接受训练以处理与频道格式相同的图像一个。

如果嘈杂的图像或图像堆栈一个只有一个频道，并且具有高斯噪音，然后您可以使用验证的网络使用denoisingnetwork功能。有关创建用于多通道图像或针对不同噪声模型的Denoising网络的更多信息，请参见训练并应用denoing神经网络。

DeNOIST图像，作为单个2-D图像或二维图像的堆栈返回。b具有与一个。

这denoiseimage功能依赖于交流tivations（深度学习工具箱）功能以估计输入图像的噪声，一个。这denoiseimage函数指定输出名称值参数交流tivations作为“频道”以便一个可以大于网络输入大小。相反，predict（深度学习工具箱）功能要求图像大小与网络输入大小匹配。