La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

denoiseImage

Eliminar el ruido de una imagen mediante una red neuronal profunda

Sintaxis

B = denoiseImage(A,net)

Descripción

B = denoiseImage(A,net) estima una imagen sin ruido B a partir de una imagen con ruido A eliminando el ruido mediante una red neuronal profunda especificada por net.

Esta función requiere que tenga Deep Learning Toolbox™.

Ejemplos

Eliminar el ruido de una imagen mediante una red neuronal preentrenada

Cargue la red neuronal convolucional preentrenada 'DnCNN'.

net = denoisingNetwork('DnCNN');

Cargue una imagen en escala de grises el espacio de trabajo y, después, cree una versión de la imagen con ruido.

I = imread('cameraman.tif');
noisyI = imnoise(I,'gaussian',0,0.01);

Muestre las dos imágenes como un montaje.

montage({I,noisyI})
title('Original Image (Left) and Noisy Image (Right)')

Elimine el ruido de la imagen con ruido y, después, muestre el resultado.

denoisedI = denoiseImage(noisyI,net);
imshow(denoisedI)
title('Denoised Image')

Argumentos de entrada

A — Imagen con ruido

Imagen 2D | pila de imágenes 2D

Imagen con ruido, especificada como una única imagen 2D o una pila de imágenes 2D. A puede ser:

• Una imagen 2D en escala de grises de tamaño m por n.

• Una imagen 2D multicanal de tamaño m por n por c, donde c es el número de canales de la imagen. Por ejemplo, c es 3 para imágenes RGB y 4 para imágenes de cuatro canales como imágenes RGB con un canal infrarrojo.

• Una pila de imágenes 2D de igual tamaño. En este caso, A tiene un tamaño m por n por c por p, donde p es el número de imágenes en la pila.

Tipos de datos: single | double | uint8 | uint16

net — Red neuronal profunda para eliminación del ruido

objeto SeriesNetwork

Red neuronal profunda para eliminación del ruido, especificada como un objeto SeriesNetwork (Deep Learning Toolbox). Se debería entrenar la red para que identifique imágenes con el mismo formato de canal que A.

Si la imagen con ruido o la pila de imágenes A solo tiene un canal y tiene ruido gaussiano, puede obtener una red preentrenada usando la función denoisingNetwork. Para obtener más información sobre la creación de una red para eliminar el ruido para imágenes multicanal o para un tipo de ruido diferente, consulte Train and Apply Denoising Neural Networks.

Argumentos de salida

B — Imagen sin ruido

Imagen 2D | pila de imágenes 2D

Imagen sin ruido, devuelta como una única imagen 2D o una pila de imágenes 2D. B tiene el mismo tamaño y el mismo tipo de datos que A.

Sugerencias

• La función denoiseImage depende de la función activations (Deep Learning Toolbox) para estimar el ruido de la imagen de entrada, A. La función denoiseImage especifica el argumento nombre-valor OutputAs de activations como "channels" de modo que A puede ser mayor que el tamaño de entrada de la red. En cambio, la función predict (Deep Learning Toolbox) requiere que el tamaño de la imagen coincida con el tamaño de la red de entrada.

Historial de versiones

Introducido en R2017b

Consulte también

denoisingNetwork | dnCNNLayers | denoisingImageDatastore

Temas

• Train and Apply Denoising Neural Networks