目录
1.产生背景
不管是我们的生活中还是工业界,我们在获取图像时,都希望得到清晰的一幅图像,这样能更清楚的看清图像中物体和背景,并且对于工业界来说,这也是非常重要的。比如我们的微信拍摄系统,有时候由于天气或者其他原因,导致拍摄的图像比较模糊或者带有噪声,那么图像很可能看不清楚,对于了解地理,建筑或者者自然灾害等情况很不利,为了去除图像中的噪声,这一篇文章主要使用生成对抗网络(GAN)来实现图像的去噪。
2.数据收集
提示:这一篇文章主要是去除图像中的高斯噪声,其实图像中的噪声种类也非常的多。将收集清晰图像,利用程序给图像添加高斯噪声或者椒盐噪声,得到具有噪声的图像,同时也保留原清晰的图像。
数据集下载:
链接:https://pan.baidu.com/s/1jCFcLb9dVoQJWDOJgspr0A
提取码:69sc
说明:
- 下载的数据集里面包含清晰的图像和带有噪声的图像
- 数据集目录:data
- 原始清晰图像目录:faces
- train
- val
- 添加高斯噪声的图像目录:GFaces
- train
- val
- 原始清晰图像目录:faces
- 数据集目录:data
提示:关于添加高斯噪声的程序将会在下面的具体实现中给出。
3.整体设计思路
(1)生成模型
采用的是类似于U-Net网络类型
(2)判别模型
4.模型去噪效果
(1)demo演示效果
提示:这里编写了一个显示生成器显示图片的程序(mainWindow.py),加载之前训练之后保存的生成器模型,之后可使用该模型进行生成去噪之后的图片,如下:
(1)运行mainWindow.py 初始界面如下
5.github代码下载
6.模型下载
链接:https://pan.baidu.com/s/1KF-WLxhqCUIbUAQzq5sIag
提取码:xiit