denoiseImage

使用深层神经网络图像降噪

所有的页面崩溃

语法

B = denoiseImage(净)

B= denoiseImage (一个,净)估计去噪图像B从嘈杂的图像一个使用指定的去噪深层神经网络净。

这个函数需要深度学习工具箱™。

这个示例使用:

打开生活的脚本

加载pretrained去噪卷积神经网络,“DnCNN”。

网= denoisingNetwork (“DnCNN”);

灰度图像加载到工作区,然后创建一个嘈杂的版本的形象。

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

显示两张图片蒙太奇。

蒙太奇({我noisyI})标题(“原始图像(左)和嘈杂的图像(右))

图包含一个坐标轴对象。坐标轴对象标题原始图像(左)和嘈杂的图像(右)包含一个类型的对象的形象。

从嘈杂的图像去除噪声,然后显示结果。

denoisedI = denoiseImage (noisyI,净);imshow (denoisedI)标题(”“去噪图像)

图包含一个坐标轴对象。坐标轴对象标题包含一个类型的对象图像去噪图像。

嘈杂的图像,指定为一个二维图像或一堆二维图像。一个可以是:

二维灰度图像的大小米——- - - - - -n。
二维多通道图像大小米——- - - - - -n——- - - - - -c,在那里c是图像通道的数量。例如,c是RGB图像,3和4等四通道图像RGB图像与红外通道。
一堆个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图像的数量在堆栈。

数据类型:单|双|uint8|uint16

去噪深层神经网络,作为一个指定SeriesNetwork(深度学习工具箱)对象。网络应该训练来处理图像通道相同的格式一个。

如果图像的噪声图像或堆栈一个只有一个通道和高斯噪声,然后你可以得到一个pretrained网络使用denoisingNetwork函数。有关创建一个去噪的更多信息网络对多通道图像或一个不同的噪声模型,明白了培训和应用神经网络去噪。

去噪图像,返回为一个单一的二维图像或一堆二维图像。B有相同的大小和数据类型一个。

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函数指定了OutputAs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)函数要求图像大小匹配网络输入的大小。