图像去噪是在去除 图像噪声的同时,尽可能地保留图像细节和结构的处理技术。我们这里使用 ROF (Rudin-Osher-Fatemi)去噪模型
本质上该 模型使去噪后的图像像素值“平坦”变化,但是在图像区域的边缘上,允许去噪后 的图像像素值“跳跃”变化。
使用一个合成的噪声图像示例来说明如何使用该函数:
from numpy import *
from numpy import random
from scipy.ndimage import filters
import rof
# 使用噪声创建合成图像
im = zeros((500,500))
im[100:400,100:400] = 128
im[200:300,200:300] = 255
im = im + 30*random.standard_normal((500,500))
U,T = rof.denoise(im,im)
G = filters.gaussian_filter(im,10)
# 保存生成结果
from scipy.misc
import imsave
imsave('synth_rof.pdf',U)
imsave('synth_gaussian.pdf',G)
执行以上代码,ROF 算法去噪后的 图像很好地保留了图像的边缘信息。