Пример. Фильтрация Винера
Используйте функцию wiener2d для снижения уровня случайных шумов на изображениях.
Фильтрация Винера была одним из первых методов, разработанных для снижения уровня случайных аддитивных шумов на изображениях. Она основана на предположении, что аддитивный шум - это стационарный случайный процесс, независимый от расположения пиксела. Алгоритм минимизирует квадратичную ошибку между исходным и восстановленным изображением.
Сведения об использовании этого примера см. в разделе Сведения о примерах обработки изображений.
Использование равномерно распределенного случайного шума
1. Создайте простое изображение прямоугольника.
2. Используйте функцию runif, чтобы добавить шум к изображению прямоугольника.
3. Используйте фильтр Винера с окном 7 x 7 на изображении.
4. Используйте функцию scale для масштабирования и отображения двух изображений:
(wiener_sl.bmp) | (wiener_sf77.bmp) |
Контуры квадрата не были размытыми, но шум был сглажен. Однако шум не был отфильтрован рядом с контуром квадрата из-за близости размеров окна фильтрации.
5. Используйте окно 3 x 3 на изображении.
(wiener_sf33.bmp) |
В этом изображении общее сглаживание меньше, но оно распространяется ближе к границам прямоугольника.
Использование гауссова шума
1. Загрузите файл изображения и размойте его с помощью случайного белого гауссова шума.
2. Используйте функцию rnorm, чтобы добавить Гауссовский шум в изображение.
3. Используйте функцию scale, чтобы масштабировать два изображения.
(fruit_sm.bmp) | (fruit_sl.bmp) |
4. Подавите шум, используя фильтрацию Винера с окном 5 x 5.
(fruit_w55.bmp) |