Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

denoiseImage

Imagen de ruido mediante red neuronal profunda

contraer todo en la página

Sintaxis

B = denoiseImage(A,net)

Descripción

ejemplo

B = denoiseImage(A,net) estima la imagen desruido de la imagen ruidosa utilizando una red neuronal profunda denoising especificada por .BAnet

Esta función requiere que tenga .Deep Learning Toolbox™

Ejemplos

contraer todo

Este ejemplo utiliza:

Abrir script en vivo

Cargue la red neuronal convolucional denoizadora previamente entrenada, .'DnCNN'

net = denoisingNetwork('DnCNN');

Cargue una imagen en escala de grises en el espacio de trabajo y, a continuación, cree una versión ruidoso de la imagen.

I = imread('cameraman.tif'); noisyI = imnoise(I,'gaussian',0,0.01);

Muestre las dos imágenes como un montaje.

montage({I,noisyI}) title('Original Image (Left) and Noisy Image (Right)')

Elimine el ruido de la imagen ruidosa y, a continuación, muestre el resultado.

denoisedI = denoiseImage(noisyI,net); imshow(denoisedI) title('Denoised Image')

Argumentos de entrada

contraer todo

Imagen ruidoso, especificado como una sola imagen 2D o una pila de imágenes 2D. puede ser:A

  • Una imagen en escala de grises 2D con tamaño -por- .mn

  • Una imagen multicanal 2D con tamaño -por- -por-, donde está el número de canales de imagen.mncc Por ejemplo, es 3 para imágenes RGB y 4 para imágenes de cuatro canales, como imágenes RGB con un canal infrarrojo.c

  • Una pila de imágenes 2D del mismo tamaño. En este caso, tiene el tamaño -by- -by- -by- , donde está el número de imágenes en la pila.Amncpp

Tipos de datos: single | double | uint8 | uint16

Denoising deep neural network, especificada como un objeto.SeriesNetwork (Deep Learning Toolbox) La red debe estar entrenada para manejar imágenes con el mismo formato de canal que .A

Argumentos de salida

contraer todo

Imagen desruido, devuelto como una sola imagen 2D o una pila de imágenes 2D. tiene el mismo tamaño y tipo de datos que .BA

Consulte también

| |

Temas

Introducido en R2017b

Documentación de Image Processing Toolbox

Soporte

Introducing Deep Learning with MATLAB

Introducing Deep Learning with MATLAB

Download ebook