帮助中心帮助中心
使用深神经网络的Denoise图像
b = denoiseimage(a,net)
例子
b= denoiseimage(一种,,,,网)估计图像b来自嘈杂的图像一种使用由指定的深层神经网络网。
b= denoiseimage(一种,,,,网)
b
一种
网
此功能要求您具有深度学习工具箱™。
全部收缩
此示例使用:
加载预处理的降级卷积神经网络,'dncnn'。
'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。
蒙太奇({i,noisyi})标题(“原始图像(左)和嘈杂的图像(右)”)
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”)
嘈杂的图像,指定为单个2-D图像或二维图像的堆栈。一种可:
大小的二维灰度图像m-经过-n。
具有尺寸的二维多通道图像m-经过-n-经过-C, 在哪里C是图像通道的数量。例如,C对于RGB图像为3,四通道图像(例如带红外通道的RGB图像)为4。
一堆同等大小的二维图像。在这种情况下,一种有大小m-经过-n-经过-C-经过-p, 在哪里p是堆栈中的图像数量。
数据类型:单身的|双倍的|UINT8|UINT16
单身的
双倍的
UINT8
UINT16
系列网络
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种。
如果嘈杂的图像或图像堆栈一种只有一个频道,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。
denoisingnetwork
DeNOIST图像,作为单个2-D图像或二维图像的堆栈返回。b具有与一种。
这denoiseimage功能依赖于激活(深度学习工具箱)功能以估计输入图像的噪声,一种。这denoiseimage函数指定输出名称值参数激活作为“频道”以便一种可以大于网络输入大小。相反,预测(深度学习工具箱)功能要求图像大小与网络输入大小匹配。
denoiseimage
激活
输出
“频道”
预测
denoisingnetwork|dncnnlayers|DeNoisingImagedAtatastore
dncnnlayers
DeNoisingImagedAtatastore
이예제수정버전있습니다있습니다。사용자가한을반영이예제를여시겠습니까?
다음matlab명령명령해당링크를했습니다했습니다。
Matlab명령명령명령에입력하십시오하십시오하십시오하십시오하십시오하십시오。Matlab명령명령을지원않습니다않습니다않습니다않습니다。
选择一个网站以获取可用的翻译内容,并查看本地事件和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
联系您当地的办公室