示例：Wiener 滤波
使用 wiener2d 函数可减少图像上的加性随机噪声。
Wiener 滤波是早期开发的、用来降低图像中加性随机噪声的方法之一。该方法假设加性噪声是稳定的随机过程，与像素位置无关；该算法可最小化原始图像和重建图像之间的方差。
有关使用此示例的信息，请参考关于图像处理示例。
使用随机均匀分布噪声
1. 创建简单的矩形框图像
2. 使用 runif 函数可将噪声添加到框图像。
3. 对图像使用 7 x 7 窗 Wiener 滤波器。
4. 使用 scale 函数可缩放和显示两个图像：
(wiener_sl.bmp) | (wiener_sf77.bmp) |
方框的轮廓尚未做模糊化处理，但对噪声进行了平滑处理。但是对于达到滤波窗口大小的邻域，不会过滤掉正方形轮廓附近的噪声。
5. 对图像使用 3 x 3 窗。
(wiener_sf33.bmp) |
在此图像中，总体平滑效果较差，但矩形轮廓附近已进行了处理。
使用高斯噪声
1. 读入一个图像文件，并用随机高斯白噪声降低图像质量。
2. 使用 rnorm 函数可将高斯噪声添加到图像。
3. 使用 scale 函数可缩放两个图像。
(fruit_sm.bmp) | (fruit_sl.bmp) |
4. 通过 5 x 5 窗进行 Wiener 滤波，来抑制噪声。
(fruit_w55.bmp) |