このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

denoiseImage

深層ニューラル ネットワークを使用したイメージのノイズ除去

構文

B = denoiseImage(A,net)

説明

B = denoiseImage(A,net) は、net で指定されたノイズ除去深層ニューラル ネットワークを使用して、ノイズを含むイメージ A からノイズ除去後のイメージ B を推定します。

この関数には、Deep Learning Toolbox™ が必要です。

例

事前学習済みのニューラル ネットワークを使用したイメージ ノイズの除去

事前学習済みのノイズ除去畳み込みニューラル ネットワーク 'DnCNN' を読み込みます。

net = denoisingNetwork('DnCNN');

グレースケール イメージをワークスペースに取得した後、ノイズを含むバージョンのイメージを作成します。

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

2 つのイメージをモンタージュとして表示します。

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

ノイズを含むイメージからノイズを除去し、結果を表示します。

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

入力引数

A — ノイズを含むイメージ

2 次元イメージ | 2 次元イメージのスタック

ノイズを含むイメージ。単一の 2 次元イメージまたは 2 次元イメージのスタックとして指定します。A は次のいずれかです。

• m 行 n 列サイズの 2 次元グレースケール イメージ。

• m x n x c の 2 次元マルチチャネル イメージ。ここで、c はイメージ チャネルの数です。たとえば、c は RGB イメージの場合は 3 であり、赤外線チャネルを持つ RGB イメージなどの 4 チャネル イメージの場合は 4 です。

• 等サイズの 2 次元イメージのスタック。この場合、A のサイズは m x n x c x p です。ここで p はスタック内のイメージの数です。

データ型: single | double | uint8 | uint16

net — ノイズ除去深層ニューラル ネットワーク

SeriesNetwork オブジェクト

ノイズ除去深層ニューラル ネットワーク。SeriesNetwork (Deep Learning Toolbox) オブジェクトとして指定します。ネットワークは、A と同じチャネル形式でイメージを処理するように学習させる必要があります。

ノイズを含むイメージ、またはイメージのスタック A がチャネルを 1 つだけもち、ガウス ノイズを含む場合は、関数 denoisingNetwork を使用して事前学習済みネットワークを取得できます。マルチチャネル イメージまたは異なるノイズ モデルに対するノイズ除去ネットワークの作成に関する詳細については、ノイズ除去ニューラル ネットワークの学習と適用を参照してください。

出力引数

B — ノイズ除去後のイメージ

2 次元イメージ | 2 次元イメージのスタック

ノイズ除去後のイメージ。単一の 2 次元イメージまたは 2 次元イメージのスタックとして返されます。B のサイズとデータ型は A と同じです。

ヒント

• 関数 denoiseImage は、入力イメージ A のノイズを推定するときに関数 activations (Deep Learning Toolbox) に依存します。関数 denoiseImage では、activations の名前と値の引数 OutputAs を "channels" として指定することにより、ネットワークの入力サイズより A を大きくすることが可能です。一方、関数 predict (Deep Learning Toolbox) では、イメージ サイズがネットワークの入力サイズと一致することが必須です。

バージョン履歴

R2017b で導入

参考

denoisingNetwork | dnCNNLayers | denoisingImageDatastore

トピック

• ノイズ除去ニューラル ネットワークの学習と適用