quote:

Dersi takip edebilmek için gereken tek şey, MATLAB ve tabiki Image Processing Toolbox. Eğer dersler ilerler de Denoising (Gürültüden Arındırma) anlatırsam o zaman Wavelet Toolbox'ta gerekebilir ama merak etmeyin Muhtemelen elinizdeki MATLAB'da hepsi vardır ;)

quote:

clear all
close all
clc

% Blurring

I = im2double(imread('lena.tiff')); % double,grayscale 256x256 lık lena resmi
FI = fspecial('gaussian', 15, 1.7 ); % 15x15 lik, standard deviation ı 1.7 olan gaussian (blur) filtre
FI2 = zeros(256); % 256x256 lık 0 matrisi
FI2(121:135,121:135) = FI; % Resmimimz 256x256 lık olduğu için filtremizi de aynı boyuta getiriyoruz
TI = fft2(I); % Resmin fourier transformu
TFI2 = fft2(FI2); % Filtrenin fourier transformu
CA = TI.*TFI2; % Time domaininde yapmamız gereken convolution,freq. domaininde olduğumuz için çarpım olarak yapıldı
ICA = fftshift(ifft2(CA)); % Çarpımın inverse fourier transformu ( resmin parçlarının doğru yerde görünmesi için fftshift kullanıldı )
imscaled(I); % Resmin orjinal hali
imscaled(ICA); % Freq. domaininde blura uğramış resim

% Deblurring

DI = ICA; % Input resmimiz blur olmuş resim
TDI = fft2(DI); % Input resminin fourier transformu
TFI3 = 1./TFI2; % Deblurring filtremiz
DCA = TDI.*TFI3; % Freq. dom. deki çarpım
IDCA = fftshift(ifft2(DCA)); % Çarpımın inverse fft si
imscaled(IDCA); % Deblurred image

quote:

clear all
close all
clc

I = im2double(imread('lena.tiff'));
imscaled(I);title('original image');

IN = imresize(I,[128 128],'nearest');
imscaled(IN);title('nearest');

IL = imresize(I,[128 128],'bilinear');
imscaled(IL);title('bilinear');

IC = imresize(I,[128 128],'bicubic');
imscaled(IC);title('bicubic');

IF = fft2(I);
IZ = zeros(128);
IZ(1:64,1:64) = IF(1:64,1:64);
IZ(1:64,65:128) = IF(1:64,193:256);
IZ(65:128,1:64) = IF(193:256,1:64);
IZ(65:128,65:128) = IF(193:256,193:256);
IIF = ifft2(IZ);
imscaled(IIF);title('fft');

quote:


function O = noisyimagesum(I);

I = im2double(I);

num = input('Enter the number of image(s): ');
if isempty(num)
num = 0;
end
C = num;

imshow(I),title('original image');

[Y X] = size(I);
M = zeros(Y,X,C);
N = zeros(Y,X);

for i = 1:C
M(:,:,i) = imnoise(I);
%figure,imshow(M(:,:,i));
end

for j = 1:C
N = N + M(:,:,j);
end

T = N./C;

figure,imshow(T),title('sum of noisy images');