【图像去噪】基于matlab即插即用法图像去噪（含PSNR）【含Matlab源码 152期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、简介

理论知识参考文献：基于Retinex和ADMM优化的水下光照不均匀图像增强算法

⛄二、部分源代码

function out = PlugPlayADMM_deblur(y,h,lambda,method,opts)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%out = PlugPlayADMM_deblur(y,h,lambda,method,opts)
%deblurs image y by solving the ADMM:
%
%inversion step: x=argmin_x(||Ax-y||^{2+rho/2||x-(v-u)||}2)
%denoising step: v=Denoise(x+u)
% update u: u=u+(x-v)
%
%Input: y - the observed gray scale image
% h - blur kernel
% lambda - regularization parameter
% method - denoiser, e.g., ‘BM3D’
% opts.rho - internal parameter of ADMM {1}
% opts.gamma - parameter for updating rho {1}
% opts.maxitr - maximum number of iterations for ADMM {20}
% opts.tol - tolerance level for residual {1e-4}
% ** default values of opts are given in {}.
%
%Output: out - recovered gray scale image
%
%Xiran Wang and Stanley Chan
%Copyright 2016
%Purdue University, West Lafayette, In, USA.
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Check inputs
if nargin<4
error(‘not enough input, try again \n’);
elseif nargin==4
opts = [];
end

% Check defaults
if ~isfield(opts,‘rho’)
opts.rho = 1;
end
if ~isfield(opts,‘max_itr’)
opts.max_itr = 20;
end
if ~isfield(opts,‘tol’)
opts.tol = 1e-4;
end
if ~isfield(opts,‘gamma’)
opts.gamma=1;
end
if ~isfield(opts,‘print’)
opts.print = false;
end

% set parameters
max_itr = opts.max_itr;
tol = opts.tol;
gamma = opts.gamma;
rho = opts.rho;

%initialize variables
dim = size(y);
N = dim(1)*dim(2);
Hty = imfilter(y,h,‘circular’);
eigHtH = abs(fftn(h, dim)).^2;

residual = inf;

%set function handle for denoiser
switch method
case ‘BM3D’
denoise=@wrapper_BM3D;
case ‘TV’
denoise=@wrapper_TV;
case ‘NLM’
denoise=@wrapper_NLM;
case ‘RF’
denoise=@wrapper_RF;
otherwise
error(‘unknown denoiser \n’);
end

% main loop

if opts.print==true
fprintf(‘Plug-and-Play ADMM — Deblurring \n’);
fprintf(‘Denoiser = %s \n\n’, method);
fprintf(‘itr \t ||x-xold|| \t ||v-vold|| \t ||u-uold|| \n’);
end

itr = 1;
while(residual>tol&&itr<=max_itr)
%store x, v, u from previous iteration for psnr residual calculation
x_old = x;
v_old = v;
u_old = u;

%inversion step
xtilde = v-u;
rhs    = fftn(Hty+rho*xtilde,dim);
x      = real(ifftn(rhs./(eigHtH+rho),dim));

%denoising step
vtilde = x+u;
vtilde = proj(vtilde);
sigma  = sqrt(lambda/rho);
v      = denoise(vtilde,sigma);

%update langrangian multiplier
u      = u + (x-v);

%update rho
rho = rho*gamma;

%calculate residual
residualx = (1/sqrt(N))*(sqrt(sum(sum((x-x_old).^2))));
residualv = (1/sqrt(N))*(sqrt(sum(sum((v-v_old).^2))));
residualu = (1/sqrt(N))*(sqrt(sum(sum((u-u_old).^2))));

residual = residualx + residualv + residualu;

if opts.print==true
    fprintf('%3g \t %3.5e \t %3.5e \t %3.5e \n', itr, residualx, residualv, residualu);
end

itr = itr+1;

end
out = v;
end
function y = afun(x,transp_flag,h,dim)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Example of the A matrix
%
% This example illustrates how to construct the A matrix
% for deblurring problem. The function executes the operations of
% A*x and A’*x
%
% Stanley Chan
% Purdue University
% Nov 24, 2016
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
rows = dim(1);
cols = dim(2);
if strcmp(transp_flag,‘transp’) % y = A’x
x = reshape(x,[rows,cols]);
y = imfilter(x,rot90(h,2),‘circular’);
y = y(😃;
elseif strcmp(transp_flag,‘notransp’) % y = Ax
x = reshape(x,[rows,cols]);
y = imfilter(x,h,‘circular’);
y = y(😃;
end
end
function out = wrapper_NLM(in,sigma)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% out = wrapper_NLM(in,sigma)
% performs non-local means denoising
%
% Require NLM package
%
% Download:
% http://www.ipol.im/pub/art/2011/bcm_nlm/
%
% Xiran Wang and Stanley Chan
% Copyright 2016
% Purdue University, West Lafayette, In, USA.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Options.filterstrength=sigma;
out = NLMF(in,Options);
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]刘卫东,李吉玉,张文博,李乐.基于Retinex和ADMM优化的水下光照不均匀图像增强算法[J].西北工业大学学报. 2021,39(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合