图片去噪:python,线性回归

最新推荐文章于 2024-07-19 04:05:45 发布

zhangpeterx

最新推荐文章于 2024-07-19 04:05:45 发布

阅读量5.1k

点赞数 9

分类专栏： python 机器学习

本文链接：https://blog.csdn.net/zhangpeterx/article/details/90262269

版权

本文介绍了如何使用Python和线性回归对图像进行去噪处理。首先展示原始图像及加噪声过程，接着通过线性回归算法，选取周围像素点进行训练预测，有效地减少了噪声，恢复出清晰图像。最后提到了scikit-learn的字典学习降噪方法作为补充。

摘要由CSDN通过智能技术生成

文章目录

本文中的图片和代码可以在GitHub上获取：zhang0peter/image-denoising

先是原始图像，这是一张彩色的png图片：
在这里插入图片描述

1 加噪声

然后是图像的加噪声的代码:

import numpy as np
import imageio


def im2double(im):
    info = np.iinfo(im.dtype)
    return im.astype(np.double) / info.max


def write(im, filename):
    img = np.copy(im)
    img = img.squeeze()
    if img.dtype == np.double:
        #img = np.array(img*255, dtype=np.uint8)
        img = img * np.iinfo(np.uint8).max
        img = img.astype(np.uint8)
    imageio.imwrite(filename, img)


samples = {
   'A': 0.6}
for imgName, noiseRatio in samples.items():
    Img = im2double(imageio.imread('{}.png'.format(imgName)))
    Img[(Img == 0)] = 0.01
    rows, cols, channels = Img.shape
    noiseMask = np.ones