ROF图像降噪处理python程序

python编写的ROF图像降噪程序，代码全面，亲测可行，降噪效果优与一般的图像降噪方法，对图像处理研究者有一定帮助。

from numpy import *
from pylab import *
from PIL import Image
def denoise（imU_inittau=0.5tv_weight=30max_iteration=10）:
   #imU_init为含噪音的图像tau与步长有关，tv_weight为全变差所占的权重λ，max_iteration为最大的迭代次数
   mn = im.shape
   U = U_init
   Px = im
   Py = im
   count = 0
   while（count       Uold = U
       GradUx = roll（U-1axis=1）-U #这里就是差分ux，如果对axis的选取有疑惑，本文后边提供了一个链接
       GradUy = roll（U1axis = 0）-U #这里就是差分uy#roll（）函数，其实就相当于将矩阵移动，类似于无界模式的贪吃蛇，在最边缘位置的数会移动到对面
       NormNew = maximum（1sqrt（GradUx**2+GradUy**2））#为了防止出现分母为0
       Px = GradUx/NormNew
       Py = GradUy/NormNew
       RxPx = roll（Px-1axis=1）
       RyPy = roll（Py-1axis=0）
       DivP = （RxPx-Px）+（RyPy-Py）
       step = tau*（exp（-count*2/（max_iteration））+0.1）#有点模拟退火的意思
       U = Uold - step*（（Uold-im）+tv_weight*DivP） #梯度下降
       error = linalg.norm（U-Uold）/sqrt（n*m）
       if （count%10==0）:
           print（‘step:‘step）
           print（‘error:‘error）
           count+=1
           return UU-U_init
if __name__==‘__main__‘:
       from numpy import random
       from scipy.ndimage import filters
       im = zeros（（500500））#建立一个图形，外黑，中灰，内白
       im[100:400100:400] = 128
       im[200:300200:300] = 255
       noise = 30 *random.standard_normal（（500500）） #噪声
       im = im + noise
       UT = denoise（imimmax_iteration=10tau=0.5）
       gray（）
       subplot（121）
       imshow（im）
       subplot（122）
       imshow（U）
       print（corrcoef（T.flatten（）noise.flatten（）））#相关度检验

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1834  2019-03-02 09:30  rofDeNoise.py