Utilisez la fonction
wiener2d pour réduire le bruit aléatoire additif dans les images.
Le filtrage de Wiener était l'une des premières méthodes développées pour réduire le bruit aléatoire supplémentaire dans les images. Il est basé sur l'hypothèse que le bruit supplémentaire est un processus aléatoire stationnaire, indépendant de l'emplacement des pixels ; l'algorithme réduit l'erreur carrée entre les images d'origine et reconstruites.
Utilisation du bruit aléatoire à distribution uniforme
1. Créez une image représentant une simple boîte rectangulaire.
2. Utilisez la fonction
runif pour ajouter du bruit à l'image de la boîte.
3. Utilisez un filtrage Wiener avec une fenêtre 7 x 7 sur l'image.
4. Utilisez la fonction
scale pour mettre à l'échelle et afficher les deux images :
(wiener_sl.bmp)
(wiener_sf77.bmp)
Les contours des carrés n'ont pas été brouillés, mais le bruit a été lissé. Néanmoins, le bruit n'est pas filtré en sortie près des contours du rectangle pour un voisinage de la taille de la fenêtre de filtrage.
5. Utilisez sur l'image une fenêtre 3 x 3.
(wiener_sf33.bmp)
Dans cette image, le lissage global est moindre, mais il se prolonge plus près des contours du rectangle.
Utilisation du bruit gaussien
1. Lisez un fichier image et dégradez-le avec un bruit blanc gaussien aléatoire.
2. Utilisez la fonction
rnorm pour ajouter du bruit gaussien à l'image.
3. Utilisez la fonction scale pour mettre à l'échelle les deux images.
(fruit_sm.bmp)
(fruit_sl.bmp)
4. Supprimez le bruit avec un filtrage Wiener utilisant une fenêtre 5 x 5.