Python cucim.skimage.restoration.denoise_tv_chambolle用法及代码示例

用法: cucim.skimage.restoration.denoise_tv_chambolle(image, weight=0.1, eps=0.0002, n_iter_max=200, multichannel=False)

对 n 维图像执行 total-variation 去噪。

参数：

image：整数、单位或浮点数的 ndarray: 输入要降噪的数据。 image 可以是任何数字类型，但它被转换为浮点数的 ndarray 以计算去噪图像。
weight：浮点数，可选: 去噪权重。 weight 越大，去噪越多(以牺牲对 input 的保真度为代价)。
eps：浮点数，可选: 确定停止标准的成本函数值的相对差异。算法在以下情况下停止：

(E_(n-1) - E_n) < 每股收益 * E_0
n_iter_max：int 可选: 用于优化的最大迭代次数。
multichannel：布尔型，可选: 对每个通道分别应用total-variation 去噪。这个选项应该适用于彩色图像，否则去噪也适用于通道维度。

out：ndarray: 去噪图像。

注意：

确保为彩色图像设置适当的多通道参数。

全变差去噪的原理在https://en.wikipedia.org/wiki/Total_variation_denoising

全变差去噪的原理是使图像的总变差最小化，可以粗略地说明为图像梯度范数的积分。全变差去噪倾向于产生“cartoon-like”图像，即piecewise-constant图像。

此代码是 Chambolle 在[1] 中提出的 Rudin、Fatemi 和 Osher 算法的实现。

参考：

1: A. Chambolle, An algorithm for total variation minimization and applications, Journal of Mathematical Imaging and Vision, Springer, 2004, 20, 89-97.

例子：

宇航员图像上的 2D 示例：

>>> from skimage import color, data
>>> img = color.rgb2gray(data.astronaut())[:50, :50]
>>> img += 0.5 * img.std() * np.random.randn(*img.shape)
>>> denoised_img = denoise_tv_chambolle(img, weight=60)

合成数据的 3D 示例：

>>> x, y, z = np.ogrid[0:20, 0:20, 0:20]
>>> mask = (x - 22)**2 + (y - 20)**2 + (z - 17)**2 < 8**2
>>> mask = mask.astype(float)
>>> mask += 0.2*np.random.randn(*mask.shape)
>>> res = denoise_tv_chambolle(mask, weight=100)

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.restoration.denoise_tv_chambolle。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：