範例：Wiener 濾波
使用
wiener2d 函數減少圖像中的隨機加入的雜訊。
Wiener 濾波是為降低圖像中隨機加入之雜訊，所最先開發的其中一個方法。適用情況為假設加入之雜訊是靜態的隨機過程，與像素位置無關；此演算法會將原始圖像與重新建構圖像之間的平方誤差降到最小。
如需使用此範例的資訊，請參閱
＜關於圖像處理範例＞。
使用隨機但一致的分佈雜訊
1. 建立簡單的矩形方塊圖像
2. 使用
runif 函數將雜訊新增至方塊圖像。
3. 在圖像上使用 7 x 7 窗 Wiener 濾波器。
| |
(wiener_sl.bmp) | (wiener_sf77.bmp) |
方形的輪廓尚未模糊化，但雜訊已經過平滑處理。但是，並不會篩除掉篩選窗大小之鄰近方框附近的雜訊。
5. 在圖像上使用 3 x 3 窗。
在此圖像中，整體平滑度較低，但平滑度延伸到更接近方形輪廓。
使用高斯雜訊
1. 讀取圖像，並使用隨機高斯白雜訊將圖像降級。
2. 使用
rnorm 函數將高斯雜訊加入到圖像。
3. 使用 scale 函數縮放這兩個圖像。
| |
(fruit_sm.bmp) | (fruit_sl.bmp) |
4. 搭配 5 x 5 窗使用 Wiener 濾波，以抑制雜訊。
