帮助中心帮助中心
利用深度神经网络去噪图像
B = denoiseImage(A,net)
例子
B= denoiseImage (一个,网)估计去噪图像B从噪声图像一个所指定的去噪深度神经网络网.
B= denoiseImage (一个,网)
B
一个
网
此功能要求您拥有深度学习工具箱™。
全部折叠
这个例子使用了:
加载预先训练好的去噪卷积神经网络,“DnCNN”.
“DnCNN”
net =去噪网络(“DnCNN”);
将灰度图像加载到工作区中,然后创建图像的噪声版本。
I = imread(“cameraman.tif”);noisyI = imnoise(I,“高斯”, 0, 0.01);
显示两个图像作为蒙太奇。
蒙太奇({我noisyI})标题(“原始图像(左)和噪点图像(右)”)
从有噪声的图像中去除噪声,然后显示结果。
denoisedI = denoiseImage(noisyI,net);imshow (denoisedI)标题(”“去噪图像)
噪声图像,指定为单个二维图像或二维图像堆栈。一个可以是:
有大小的二维灰度图像米——- - - - - -n.
有大小的二维多通道图像米——- - - - - -n——- - - - - -c,在那里c是图像通道的数量。例如,c对于RGB图像为3,对于带有红外通道的RGB图像等四通道图像为4。
一堆大小相等的二维图像。在这种情况下,一个有大小米——- - - - - -n——- - - - - -c——- - - - - -p,在那里p堆栈中图像的数量。
数据类型:单|双|uint8|uint16
单
双
uint8
uint16
SeriesNetwork
去噪深度神经网络,指定为aSeriesNetwork(深度学习工具箱)对象。网络应该经过训练,以处理具有相同频道格式的图像一个.
如果是噪声图像或堆叠图像一个只有一个信道并且有高斯噪声,那么你可以使用denoisingNetwork函数。有关为多通道图像或不同的噪声模型创建去噪网络的更多信息,请参见训练和应用去噪神经网络.
denoisingNetwork
去噪后的图像,以单个二维图像或二维图像堆栈的形式返回。B大小和数据类型与一个.
的denoiseImage函数依赖于激活(深度学习工具箱)函数来估计输入图像的噪声,一个.的denoiseImage函数指定OutputAs的名称-值参数激活作为“通道”这一个可以大于网络输入大小。相比之下,预测(深度学习工具箱)函数要求图像大小与网络输入大小匹配。
denoiseImage
激活
OutputAs
“通道”
预测
在R2017b中引入
denoisingNetwork|dnCNNLayers|denoisingImageDatastore
dnCNNLayers
denoisingImageDatastore
您有这个示例的修改版本。要使用编辑打开此示例吗?
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您所在的位置,我们建议您选择:.
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处