图像去噪库-Open Image Denoise

特尔 Open Image Denoise 是一个开源的高性能、高质量的去噪过滤库,适用于使用光线追踪渲染的图像。英特尔 Open Image Denoise 是 oneAPI 渲染工具包的一部分,并在 Apache 2.0 许可下发布。

 

Open Image Denoise 的目的是提供一个开放的、高质量的、高效的、易于使用的去噪库,使人们能够在基于光线追踪的渲染应用中大大减少渲染时间。它可以过滤掉随机光线追踪方法所固有的蒙特卡洛噪点,将每个像素所需的样本量减少多个数量级。

Open Image Denoise 支持各种 CPU 和 GPU:

  • 英特尔 64 架构兼容 CPU

  • Apple Silicon

  • 英特尔 Xe 架构 GPU

  • NVIDIA GPU 搭配 Volta、Turing、Ampere、Ada Lovelace 和 Hopper 架构

  • 采用 RDNA2(仅限 Navi 21)和 RDNA3(Navi 3x)架构的 AMD GPU

 

参考:

GitHub - OpenImageDenoise/oidn: Intel® Open Image Denoise library 

Intel® Open Image Denoise

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SAR(Synthetic Aperture Radar)图像在遥感图像处理中起到很重要的作用。在Matlab中,我们可以使用不同的方法对SAR图像进行去处理,包括小波去、contourlet变换去、contourlet-小波变换和pca去。 小波去是常用的一种方法,它基于小波变换,将SAR图像转换到小波域,通过去除小波系数中的声来实现去处理。使用Matlab中的wavelet denoise函数可以很方便地实现这一过程。 Contourlet变换是基于小波变换的二次域变换,它在小波域的基础上引入了方向信息,能更好地保留图像的边缘和纹理信息,所以在去方面有更好的效果。在Matlab中,我们可以使用contourlet transform进行图像转换,然后根据声特点进行声的估计和去除。 Contourlet-小波变换是将Contourlet变换和小波变换相结合的方法,它利用contourlet变换来提取图像的纹理特征,然后使用小波变换来去除声。这种方法也可以在Matlab中实现,先进行contourlet变换,然后对得到的系数进行小波变换去。 PCA(Principal Component Analysis)去是一种基于主成分分析的方法,它通过对数据进行降维来实现去。在Matlab中,我们可以使用pca函数对SAR图像进行降维,并选择合适的主成分来还原图像,去除声。 综上所述,Matlab提供了多种方法来处理SAR图像的去问题,包括小波去、contourlet变换去、contourlet-小波变换和pca去等。具体选择何种方法需要根据实际情况来确定,以达到较好的去效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值