Python skimage.restoration.denoise_bilateral用法及代碼示例

用法: skimage.restoration.denoise_bilateral(image, win_size=None, sigma_color=None, sigma_spatial=1, bins=10000, mode='constant', cval=0, multichannel=False, *, channel_axis=None)

使用雙邊濾波器對圖像進行去噪。

參數：

image：ndarray，形狀(M，N[，3]): 輸入圖像，2D 灰度或 RGB。
win_size：int: 過濾的窗口大小。如果未指定win_size，則計算為max(5, 2 * ceil(3 * sigma_spatial) + 1)。
sigma_color：浮點數: 灰度值/顏色距離的標準偏差(輻射相似度)。較大的值會導致對具有較大輻射差異的像素進行平均。如果 None ，將使用 image 的標準偏差。
sigma_spatial：浮點數: 距離的標準偏差。較大的值導致具有較大空間差異的像素的平均。
bins：int: 顏色過濾的高斯權重的離散值的數量。較大的值會提高準確性。
mode：{‘constant’, ‘edge’, ‘symmetric’, ‘reflect’, ‘wrap’}: 如何處理圖像邊界之外的值。有關詳細信息，請參閱 numpy.pad 。
cval：string: 與模式‘constant’(圖像邊界外的值)結合使用。
multichannel：bool: 圖像的最後一個軸是否被解釋為多個通道或另一個空間維度。不推薦使用此參數：改為指定 channel_axis。
channel_axis：int 或無，可選: 如果為 None，則假定圖像是灰度(單通道)圖像。否則，此參數指示數組的哪個軸對應於通道。

denoised：ndarray: 去噪圖像。

其他參數：

multichannel：DEPRECATED: 已棄用以支持channel_axis。

注意：

這是一個edge-preserving，去噪濾波器。它根據像素的空間接近度和輻射相似度對像素進行平均 [1] 。

空間接近度是通過兩個像素之間的歐幾裏得距離和一定標準偏差(sigma_spatial)的高斯函數來衡量的。

輻射相似度是通過兩個顏色值之間的歐幾裏得距離和某個標準偏差 (sigma_color) 的高斯函數來衡量的。

請注意，如果圖像是任何int數據類型，image將使用img_as_float函數和標準差 (sigma_color) 將在範圍內[0, 1].

有關scikit-image 的數據類型轉換以及如何在這些轉換中重新縮放圖像的更多信息，請參閱：https://scikit-image.org/docs/stable/user_guide/data_types.html.

參考：

1: C. Tomasi and R. Manduchi. “Bilateral Filtering for Gray and Color Images.” IEEE International Conference on Computer Vision (1998) 839-846. DOI:10.1109/ICCV.1998.710815

例子：

>>> from skimage import data, img_as_float
>>> astro = img_as_float(data.astronaut())
>>> astro = astro[220:300, 220:320]
>>> rng = np.random.default_rng()
>>> noisy = astro + 0.6 * astro.std() * rng.random(astro.shape)
>>> noisy = np.clip(noisy, 0, 1)
>>> denoised = denoise_bilateral(noisy, sigma_color=0.05, sigma_spatial=15,
...                              channel_axis=-1)

相關用法

注：本文由純淨天空篩選整理自scikit-image.org大神的英文原創作品 skimage.restoration.denoise_bilateral。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

其他參數：

注意：

參考：

例子：