wdenoise2

小波图像去噪

自从R2019a

所有的页面崩溃

语法

IMDEN = wdenoise2 (IM)

IMDEN = wdenoise2 (IM,级别)

[IMDEN, DENOISEDCFS] = wdenoise2 (___)

[IMDEN, DENOISEDCFS ORIGCFS] = wdenoise2 (___)

[IMDEN DENOISEDCFS ORIGCFS S] = wdenoise2 (___)

[IMDEN, DENOISEDCFS ORIGCFS S变化]= wdenoise2 (___)

(___)= wdenoise2 (___、名称、值)

wdenoise2 (___)

描述

例子

IMDEN= wdenoise2 (即时通讯)降噪灰度或RGB图像即时通讯使用一个经验贝叶斯方法。的bior4.4小波是使用后中值阈值规则。去噪的最低地板(log2 ((mn)))和wmaxlev (N [M],“bior4.4”),在那里米和N图像的行和列的大小。IMDEN去噪的版本吗即时通讯。

RGB图像,默认情况下,wdenoise2项目形象到它的主成分分析(PCA)去噪前颜色空间。消除干扰一个RGB图像在原来的颜色空间,使用色彩名称-值对。

IMDEN= wdenoise2 (即时通讯,水平)降噪图像即时通讯决议层面水平。水平是一个正整数小于或等于地板(log2 (min ((mn)))),在那里米和N图像的行和列的大小。

(IMDEN,DENOISEDCFS)= wdenoise2 (___)返回缩放和去噪的小波系数DENOISEDCFS使用任何前面的语法。

(IMDEN,DENOISEDCFS,ORIGCFS)= wdenoise2 (___)返回缩放和输入图像的小波系数ORIGCFS使用任何前面的语法。

(IMDEN,DENOISEDCFS,ORIGCFS,年代)= wdenoise2 (___)返回在粗尺度的近似系数的大小随着尺度上小波系数的大小。年代是一个矩阵具有相同结构的年代的输出wavedec2。

(IMDEN,DENOISEDCFS,ORIGCFS,年代,转变)= wdenoise2 (___)返回的行和列维度变化沿循环旋转。转变是2 -(numshifts + 1)²矩阵的每一列转变包含变化的行和列维度用于循环旋转和numshifts的值是CycleSpinning。

例子

(___)= wdenoise2 (___,名称,值)返回指定附加选项去噪图像由一个或多个名称,值对参数,使用任何前面的语法。

wdenoise2 (___)没有输出参数的原始图像块在当前图去噪图像。

例子

全部折叠

降噪灰度图像使用默认设置

打开生活的脚本

负载的结构花。花的结构包含一个灰度图像,和嘈杂的版本的形象。原始和嘈杂的图像显示。

负载花次要情节(1、2、1)显示亮度图像(flower.Orig)标题(“原始”次要情节(1、2、2)显示亮度图像(flower.Noisy)标题(“吵”)colormap灰色的

图包含2轴对象。坐标轴对象1与原有标题包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

消除干扰噪声图像使用默认wdenoise2设置。与原始图像进行比较。

imden = wdenoise2 (flower.Noisy);次要情节(1、2、1)显示亮度图像(imden)标题(“去噪”次要情节(1、2、2)显示亮度图像(flower.Noisy)标题(“吵”)colormap灰色的

图包含2轴对象。坐标轴对象1标题运用包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

注意前后信噪比的改善去噪。

beforeSNR =…20 * log10(规范(flower.Orig(:)) /规范(flower.Orig (:) -flower.Noisy (:)))

beforeSNR = 14.1300

afterSNR =…20 * log10(规范(flower.Orig(:)) /规范(flower.Orig (:) -imden (:)))

afterSNR = 20.1388

使用循环旋转降噪彩色图像

打开生活的脚本

这个例子展示了如何消除干扰一个彩色图像使用循环旋转。

负载的结构colorflower。花的结构包含RGB图像,和嘈杂的版本的形象。原始和嘈杂的图像显示。

负载colorflower次要情节(1、2、1)显示亮度图像(colorflower.Orig)标题(“原始”次要情节(1、2、2)显示亮度图像(colorflower.Noisy)标题(“吵”)

图包含2轴对象。坐标轴对象1与原有标题包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

降噪图像到2级使用默认的贝叶斯方法和周期旋转 ${(1 + 1)}^{2}$ 转变。显示的和去噪图像。

imden = wdenoise2 (colorflower.Noisy 2“CycleSpinning”1);图次要情节(1、2、1)显示亮度图像(imden)标题(“去噪”次要情节(1、2、2)显示亮度图像(colorflower.Noisy)标题(“吵”)

图包含2轴对象。坐标轴对象1标题运用包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

计算去噪前后的信噪比。

beforeSNR =…20 * log10(规范(colorflower.Orig(:)) /规范(colorflower.Orig (:) -colorflower.Noisy (:)))

beforeSNR = 11.2217

afterSNR =…20 * log10(规范(colorflower.Orig(:)) /规范(colorflower.Orig (:) -imden (:)))

afterSNR = 19.8813

使用特定的部分波段图像降噪

打开生活的脚本

这个例子展示了如何使用一个特定的部分波段降噪图像来估计噪声的方差。

负载的结构花。灰度图像的结构包含一朵花,和一个嘈杂的版本的形象。原始和嘈杂的图像显示。

负载花次要情节(1、2、1)显示亮度图像(flower.Orig)标题(“原始”次要情节(1、2、2)显示亮度图像(flower.Noisy)标题(“吵”)colormap灰色的

图包含2轴对象。坐标轴对象1与原有标题包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

降噪图像到2级使用错误发现率方法核反应能量为0.01。降噪只基于对角小波系数。去噪和嘈杂的图像显示。

imden = wdenoise2 (flower.Noisy 2…“DenoisingMethod”,{“罗斯福”,0.01},…“NoiseDirection”,“d”);图次要情节(1、2、1)显示亮度图像(imden)标题(“去噪”次要情节(1、2、2)显示亮度图像(flower.Noisy)标题(“吵”)colormap灰色的

图包含2轴对象。坐标轴对象1标题运用包含一个类型的对象的形象。坐标轴对象2标题噪声包含一个类型的对象的形象。

计算去噪前后的信噪比。

beforeSNR =…20 * log10(规范(flower.Orig(:)) /规范(flower.Orig (:) -flower.Noisy (:)))

beforeSNR = 14.1300

afterSNR =…20 * log10(规范(flower.Orig(:)) /规范(flower.Orig (:) -imden (:)))

afterSNR = 19.9164

输入参数

全部折叠

`即时通讯`- - - - - -输入图像
实值二维矩阵|实值三维数组

输入图像降噪,指定为一个实值二维矩阵或实值三维数组。如果即时通讯是三维,即时通讯被认为是一种彩色图像RGB颜色空间和三维空间的即时通讯必须是3。RGB图像,wdenoise2默认的项目去噪前的形象在PCA颜色空间。消除干扰一个RGB图像在原来的颜色空间,使用色彩名称-值对。

`水平`- - - - - -小波分解层次
正整数

小波分解层次用于去噪,指定为一个正整数。水平是一个正整数小于或等于地板(log2 (min ((mn)))),在那里米和N图像的行和列的大小。如果未指定的,水平默认为分钟([地板(log2 (min ((mn)))), wmaxlev (N [M],wname))),在那里wname所使用的小波(“bior4.4”默认情况下)。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“NoiseEstimate”、“LevelDependent’,‘波’,‘sym6’

`小波`- - - - - -小波的名字
`“bior4.4”`(默认)|特征向量|字符串标量

小波,指定为一个特征向量或字符串标量。必须正交或双正交小波。正交和双正交的小波分别指定为1型和2型小波的小波经理,wavemngr。

有效的内置正交小波的家庭:Best-localized Daubechies (“提单”),Beylkin (“beyl”),Coiflets (“头巾”),Daubechies (“数据库”),Fejer-Korovkin (“颗”)、哈雾(“哈雾”(韩),线性相位时刻“汉”),莫里斯最小带宽(“m”),Symlets (“符号”)和Vaidyanathan (“乌”)。
有效的内置双正交小波的家庭:双正交样条(“bior”)和反向双正交样条(“rbio”)。

每个家庭中的小波列表,看看wfilters。您还可以使用waveinfo与小波家族短名称。例如,waveinfo (db)。使用wavemngr(“类型”,wn)来确定小波wn正交(返回1)或双正交的(返回2)。例如,wavemngr(“类型”、“db6”)返回1。

`DenoisingMethod`- - - - - -去噪方法
`“贝叶斯`(默认)|`“罗斯福”`|`极大极小的`|`“确定”`|`“UniversalThreshold”`

去噪方法来确定图像的去噪阈值即时通讯。

贝叶斯——经验贝叶斯
这个方法使用一个阈值规则基于假设测量之前有独立分布的混合模型。因为测量是用来估计混合模型中的权重,该方法往往效果更好更多的样品。默认情况下,后中值规则是用来衡量风险[7]。
罗斯福——错误发现率
这个方法使用一个阈值规则基于控制的预期比假阳性检测所有积极的检测。的罗斯福用稀疏数据方法效果最好。选择一个比率,或问价值,不到1/2产生一个渐近的极小极大估计量[1]。

请注意

为“罗斯福”,有一个可选的参数问值,这是假阳性的比例。问是一个实值标量之间0和1/2,0 <问< = 1/2。指定“罗斯福”与一个问值,使用一个单元阵列,第二个元素是问价值。例如,DenoisingMethod,{“罗斯福”,0.01}。如果未指定的,问默认为0.05。
极大极小——极小极大估计
这种方法使用一个固定的阈值选择产量极大极小的均方误差性能与理想的过程。极大极小原理用于统计设计估计。看到thselect为更多的信息。
确定——斯坦的无偏估计的风险
这种方法使用一个阈值选择规则基于斯坦的无偏估计的风险(二次损失函数)。一个人估计风险的一个特定的阈值(t)。最小化的风险(t)给出了阈值的选择。
UniversalThreshold——通用阈值 $\sqrt{2 \ln (长度 (x))} 。$
这个方法使用一个固定形式阈值产生极大极小性能乘以一个小因素成正比日志(长度(X))。

`ThresholdRule`- - - - - -阈值规则
`“硬”`|`“软”`|`“的意思是”`|`“中值”`

使用收缩的小波系数阈值的规则。“ThresholdRule”所有的去噪方法是有效的,但有效的选项,默认值取决于去噪方法。规则可以指定不同的去噪方法如下:

“确定”,极大极小的,“UniversalThreshold”:有效的选项是“软”或“硬”。默认值是“软”。
“贝叶斯:有效的选项是“中值”,“的意思是”,“软”,或“硬”。默认值是“中值”。
“罗斯福”:只支持选项金宝app“硬”。你不需要定义“ThresholdRule”为“罗斯福”

`NoiseEstimate`- - - - - -估计噪声方差的方法
`“LevelIndependent”`(默认)|`“LevelDependent”`

图像中的噪声方差估计的方法。有效的选项是“LevelIndependent”和“LevelDependent”。

“LevelIndependent”噪声的方差估计基于细尺度上的小波系数(分辨率)。
“LevelDependent”噪声的方差估计基于小波系数在每个分辨率水平。

有三个小波频带:水平、垂直和对角线。的价值”NoiseDirection”指定使用哪个部分波段的估计方差。

`NoiseDirection`- - - - - -小波子
`[" h ",“v”,“d”)`(默认)|字符串向量|标量字符串

小波部分波段用来估计噪声的方差,指定为字符串向量或标量字符串。有效的条目“h”,“v”或“d”,水平、垂直和对角线部分波段,分别。

例子:“NoiseDirection”, (“h”“v”)指定了水平和垂直部分波段。

`CycleSpinning`- - - - - -数量的循环变化
`0`(默认)|非负整数

数量的循环变化的行和列方向用于去噪即时通讯与循环旋转。在循环旋转,循环变化沿行和列图像的维度去噪,转回来,平均起来提供最终结果。

一般来说,信噪比的改善与周期观察旋转3 - 4班和渐近线。由于对信噪比和渐近的影响(CycleSpinning + 1)²图像去噪,建议CycleSpinning等于0。然后逐渐增加班次的数量来确定是否有改善信噪比为计算费用。

例如,指定“CycleSpinning”, 1结果在四份即时通讯运用:

原始图像(未移位)
即时通讯圆了一个单元素沿行维度
即时通讯圆了一个单元素沿列维度
即时通讯圆了一个单元素的行和列维度

四去噪的副本即时通讯去噪、重建、转回原来的位置,平均在一起。的价值CycleSpinning代表了最大的转变以及行和列维度。RGB图像,没有变化应用在彩色空间维度。

`色彩`- - - - - -颜色空间
`主成分分析的`(默认)|`“原始”`

用于去噪图像RGB颜色空间。有效的选项是主成分分析的和“原始”。

主成分分析的:RGB图像投射到其PCA颜色空间,运用PCA的颜色空间,去噪后,回到原来的色彩空间。
“原始”:在相同的颜色空间中进行去噪图像作为输入。

色彩是有效的只有RGB图像。

输出参数

全部折叠

`IMDEN`——去噪图像
实值矩阵

去噪图像,作为一个矩阵返回。的尺寸即时通讯和IMDEN是相等的。

`DENOISEDCFS`——扩展和去噪小波系数
实值矩阵

缩放和去噪,去噪图像的小波系数作为实值返回矩阵。DENOISEDCFS是一个(numshifts + 1)²——- - - - - -N矩阵N是分解的小波系数的数量吗即时通讯和numshifts的值是”CycleSpinning”。每一行的DENOISEDCFS包含了去噪的小波系数(numshifts + 1)²移动版本的即时通讯。RGB图像,DENOISEDCFS去噪系数在指定的颜色空间。

的我^th行DENOISEDCFS去噪图像的小波系数包含圆转的返回的数量我^th列的转变。例如,如果第二列转变是(1;1],第二行DENOISEDCFS包含图像的去噪系数圆了单个元素的行方向和单个元素在列方向。

`ORIGCFS`——尺度和小波系数
实值矩阵

缩放和输入图像的小波系数,作为实值返回二维矩阵。ORIGCFS是一个(numshifts + 1)²——- - - - - -N矩阵N是分解的小波系数的数量吗即时通讯和numshifts的价值吗”CycleSpinning”。每一行的ORIGCFS包含的小波系数(numshifts + 1)²移动版本的即时通讯。RGB图像,ORIGCFS原始系数在指定的颜色空间。

的我^th行ORIGCFS包含图像的小波系数圆转的返回的数量我^th列的转变。例如,如果第二列转变是(1;1],第二行ORIGCFS包含图像的系数圆了单个元素的行方向和单个元素列方向。

`年代`——簿记矩阵
整数值矩阵

簿记矩阵。矩阵年代包含的尺寸近似粗尺度系数,尺度上小波系数的大小,和原始输入图像的大小。年代是一个矩阵具有相同结构的年代的输出wavedec2。

`转变`——图像的变化
整数值矩阵

图像变化用于循环旋转,返回一个整数值矩阵。转变是2 -(numshifts + 1)²矩阵的每一列转变包含变化的行和列维度用于循环旋转。

引用

[1]阿布拉莫维奇,F。,Y. Benjamini, D. L. Donoho, and I. M. Johnstone. “Adapting to Unknown Sparsity by Controlling the False Discovery Rate.”统计年鉴34卷2号,第653 - 584页,2006年。

[2]Antoniadis,。,G. Oppenheim, eds.小波和统计。课堂讲稿的统计数据。纽约:施普林格1 - 1995。

[3]Donoho, d . l .“小波分析和项的进展:一百一十分钟之旅。”小波分析及其应用的进展(y . Meyer,罗克,eds)。温度:版本Frontieres, 1993。

[4]Donoho, d . L。,I. M. Johnstone. “Ideal Spatial Adaptation by Wavelet Shrinkage.”生物统计学卷,81年,第455 - 425页,1994年。

[5]Donoho, d . l .“通过对振动去噪”。IEEE信息理论,42卷,3号,第627 - 613页,1995年。

[6]Donoho, d . L。,I. M. Johnstone, G. Kerkyacharian, and D. Picard. “Wavelet Shrinkage: Asymptopia?”英国皇家统计学会杂志》上,B系列57卷2号,第369 - 301页,1995年。

[7]约翰斯通,i M。,B. W. Silverman. “Needles and Straw in Haystacks: Empirical Bayes Estimates of Possibly Sparse Sequences.”统计年鉴32卷,4号,第1649 - 1594页,2004年。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

使用笔记和限制:

的值小波名称-值对参数必须是常数。
输入水平必须在编译过程中被定义为一个标量。
当色彩被设置为主成分分析的,特征向量用于降噪RGB图像。wdenoise2使用eig函数来计算特征向量。计算出的特征向量生成的代码可能会不同在C和c++代码比在MATLAB^®。结果,返回的细节系数的迹象比MATLAB生成的去噪代码可能有所不同。低通滤波器系数不受影响。有关更多信息,请参见eig。
不支持策划。金宝app

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

使用笔记和限制:

的值小波名称-值对参数必须是常数。
对于优化GPU代码生成,指定水平作为一个编译时常量。
的“贝叶斯,“UniversalThreshold”,极大极小的,“确定”去噪方法支持GPU代码生成进行了优化金宝app。
当色彩被设置为主成分分析的,特征向量用于降噪RGB图像。wdenoise2使用eig函数来计算特征向量。计算出的特征向量生成的代码可能会不同在C和c++代码比在MATLAB。结果,返回的细节系数的迹象比MATLAB生成的去噪代码可能有所不同。低通滤波器系数不受影响。有关更多信息,请参见eig。
不支持策划。金宝app

版本历史

介绍了R2019a

另请参阅

wdenoise|wavedec2

wdenoise2

语法

描述

例子

降噪灰度图像使用默认设置

使用循环旋转降噪彩色图像

使用特定的部分波段图像降噪

输入参数

即时通讯- - - - - -输入图像实值二维矩阵|实值三维数组

水平- - - - - -小波分解层次正整数

名称-值参数

小波- - - - - -小波的名字“bior4.4”(默认)|特征向量|字符串标量

DenoisingMethod- - - - - -去噪方法“贝叶斯(默认)|“罗斯福”|极大极小的|“确定”|“UniversalThreshold”

ThresholdRule- - - - - -阈值规则“硬”|“软”|“的意思是”|“中值”

NoiseEstimate- - - - - -估计噪声方差的方法“LevelIndependent”(默认)|“LevelDependent”

NoiseDirection- - - - - -小波子[" h ",“v”,“d”)(默认)|字符串向量|标量字符串

CycleSpinning- - - - - -数量的循环变化0(默认)|非负整数

色彩- - - - - -颜色空间主成分分析的(默认)|“原始”

输出参数

IMDEN——去噪图像实值矩阵

DENOISEDCFS——扩展和去噪小波系数实值矩阵

ORIGCFS——尺度和小波系数实值矩阵

年代——簿记矩阵整数值矩阵

转变——图像的变化整数值矩阵

引用

扩展功能

C / c++代码生成生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

另请参阅

`即时通讯`- - - - - -输入图像
实值二维矩阵|实值三维数组

`水平`- - - - - -小波分解层次
正整数

`小波`- - - - - -小波的名字
`“bior4.4”`(默认)|特征向量|字符串标量

`DenoisingMethod`- - - - - -去噪方法
`“贝叶斯`(默认)|`“罗斯福”`|`极大极小的`|`“确定”`|`“UniversalThreshold”`

`ThresholdRule`- - - - - -阈值规则
`“硬”`|`“软”`|`“的意思是”`|`“中值”`

`NoiseEstimate`- - - - - -估计噪声方差的方法
`“LevelIndependent”`(默认)|`“LevelDependent”`

`NoiseDirection`- - - - - -小波子
`[" h ",“v”,“d”)`(默认)|字符串向量|标量字符串

`CycleSpinning`- - - - - -数量的循环变化
`0`(默认)|非负整数

`色彩`- - - - - -颜色空间
`主成分分析的`(默认)|`“原始”`

`IMDEN`——去噪图像
实值矩阵

`DENOISEDCFS`——扩展和去噪小波系数
实值矩阵

`ORIGCFS`——尺度和小波系数
实值矩阵

`年代`——簿记矩阵
整数值矩阵

`转变`——图像的变化
整数值矩阵

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。