wiener2

2차원 적응형 잡음 제거 필터링

구문 wiener2(I,[m n],[mblock nblock],noise)는 제거되었습니다. 대신 wiener2(I,[m n],noise) 구문을 사용하십시오.

구문

J = wiener2(I,[m n],noise)

[J,noise_out] = wiener2(I,[m n])

설명

J = wiener2(I,[m n],noise)는 픽셀별 적응형 저역통과 위너 필터를 사용하여 회색조 영상 I를 필터링합니다. [m n]은 영상의 국소 평균 및 표준편차를 추정하는 데 사용되는 이웃의 크기(m×n)를 지정합니다. 가산성 잡음(가우스 백색 잡음)의 전력은 noise로 간주됩니다.

입력 영상은 정전력 가산성 잡음에 의해 저하되었습니다. wiener2는 각 픽셀의 국소 이웃으로부터 추정한 통계량을 바탕으로 픽셀별 적응형 위너 방법을 사용합니다.

[J,noise_out] = wiener2(I,[m n])은 wiener2가 필터링을 수행하기 전에 계산하는 가산성 잡음 전력의 추정값을 반환합니다.

예제

적응형 필터링을 사용하여 잡음 제거하기

이 예제에서는 wiener2 함수를 사용하여 영상에 위너 필터(선형 필터의 일종)를 적절히 적용하는 방법을 보여줍니다. 위너 필터는 자체적으로 국소 영상 분산에 맞게 조정됩니다. 분산이 큰 경우, wiener2는 평활화를 감소시킵니다. 분산이 작은 경우, wiener2는 평활화를 증가시킵니다.

이러한 접근 방식 덕분에 일반적으로 선형 필터링보다 더 나은 결과를 얻게 됩니다. 적응 필터는 선형 필터보다 더 선택적으로 필터링하여 영상의 경계 및 다른 고주파수 부분을 보존합니다. 또한 설계 작업이 없습니다. wiener2 함수는 모든 예비 계산을 처리한 후 입력 영상에 필터를 적용합니다. 그러나 wiener2는 선형 필터링보다 계산 시간이 오래 걸립니다.

wiener2는 가우스 잡음처럼 전력이 일정한("백색") 가산성 잡음일 때 가장 효과적입니다. 아래 예제에서는 가우스 잡음이 추가된 토성 영상에 wiener2를 적용합니다.

영상을 작업 공간으로 읽어 들입니다.

RGB = imread('saturn.png');

트루컬러 영상을 회색조 영상으로 변환합니다.

I = im2gray(RGB);

영상에 가우스 잡음을 추가합니다.

J = imnoise(I,'gaussian',0,0.025);

잡음이 있는 영상을 표시합니다. 영상이 매우 크기 때문에 영상의 일부만 표시합니다.

imshow(J(600:1000,1:600));
title('Portion of the Image with Added Gaussian Noise');

wiener2 함수를 사용하여 잡음을 제거합니다.

K = wiener2(J,[5 5]);

처리된 영상을 표시합니다. 영상이 매우 크기 때문에 영상의 일부만 표시합니다.

figure
imshow(K(600:1000,1:600));
title('Portion of the Image with Noise Removed by Wiener Filter');

입력 인수

I — 입력 영상

2차원 숫자형 배열

입력 영상으로, 2차원 숫자형 배열로 지정됩니다.

데이터형: single | double | int16 | uint8 | uint16

[m n] — 이웃 크기

[3 3] (디폴트 값) | 요소를 2개 가진 숫자형 벡터

이웃 크기로, [m n] 형식의 요소를 2개 가진 벡터로 지정됩니다. 여기서 m은 행 개수이고 n은 열 개수입니다.

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

noise — 가산성 잡음

숫자형 배열

가산성 잡음으로, 숫자형 배열로 지정됩니다. 잡음을 지정하지 않을 경우 wiener2는 국소 분산의 평균 mean2(localVar)을 사용합니다.

데이터형: single | double

출력 인수

J — 필터링된 영상

숫자형 배열

필터링된 영상으로, 입력 영상 I와 크기 및 데이터형이 같은 숫자형 배열로 반환됩니다.

noise_out — 가산성 잡음 전력의 추정값

숫자형 배열

가산성 잡음 전력의 추정값으로, 숫자형 배열로 반환됩니다.

알고리즘

wiener2는 각 픽셀 주위의 국소 평균과 분산을 추정합니다.

$$\mu =\frac{1}{NM}{\displaystyle \sum _{n_1,n_2\in \eta }a(n_1,n_2)}$$

및

$${\sigma }^2=\frac{1}{NM}{\displaystyle \sum _{n_1,n_2\in \eta }{a}^2(n_1,n_2)-{\mu }^2},$$

여기서 $$\eta$$는 영상 A에 있는 각 픽셀의 N×M 국소 이웃입니다. 그런 다음 wiener2는 다음과 같은 추정값을 사용하여 픽셀별 위너 필터를 만듭니다.

$$b(n_1,n_2)=\mu +\frac{{\sigma }^2-{\nu }^2}{{\sigma }^2}(a(n_1,n_2)-\mu ),$$

여기서 ν²은 잡음 분산입니다. 잡음 분산이 주어지지 않을 경우 wiener2는 모든 국소 분산 추정값의 평균을 사용합니다.

참고 문헌

[1] Lim, Jae S. Two-Dimensional Signal and Image Processing, Englewood Cliffs, NJ, Prentice Hall, 1990, p. 548, equations 9.44, 9.45, and 9.46.

확장 기능

C/C++ 코드 생성

MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

wiener2 함수는 C 코드 생성을 지원합니다(MATLAB^® Coder™가 필요함). 자세한 내용은 Code Generation for Image Processing 항목을 참조하십시오.

GPU 배열

Parallel Computing Toolbox™를 사용해 GPU(그래픽스 처리 장치)에서 실행하여 코드 실행 속도를 높일 수 있습니다.

이 함수는 GPU 배열을 완전히 지원합니다. 자세한 내용은 GPU를 사용한 영상 처리 항목을 참조하십시오.

버전 내역

R2006a 이전에 개발됨

R2022a: MATLAB Coder를 사용하여 C 코드 생성하기

이제 wiener2 함수는 C 코드 생성을 지원합니다(MATLAB Coder가 필요함).

R2021a: GPU 가속 지원

wiener2 함수는 이제 GPU 가속을 지원합니다(Parallel Computing Toolbox™가 필요함).

참고 항목

filter2 | medfilt2 | deconvwnr

도움말 항목

• 적응형 필터링을 사용하여 잡음 제거하기
• 잡음 제거