Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

TotalVariationFilter

TotalVariationFilter[data]

迭代减少噪声，同时保留 data 的快速转换.

TotalVariationFilter[data,param]

假设正则化参数值为 param.

更多信息和选项

TotalVariationFilter 也称之为总变差正则化，是迭代滤波，常用于减少不同类型的加性或乘性噪声，同时保留尖锐过渡.
在 TotalVariationFilter[data,param] 中，正则化参数 param 的值一般在范围 0 到 1 间.
data 可以如下：
list 任意阶数值数组

tseries 时间数据，如：TimeSeries, TemporalData, …

image 任意 Image 或 Image3D 对象

audio Audio 对象
如下选项可被指定：
MaxIterations 30 可执行的迭代的最大数目

Method "Gaussian" 要被移除的噪声类型
可能的 Method 设置包括： »
"Gaussian" 加性高斯，均匀和其他类型噪声

"Laplacian" 椒盐或脉冲噪声

"Poisson" 低光条件下的乘性噪声

范例

打开所有单元关闭所有单元

基本范例 (3)

降噪一个灰度图像：

过滤三维图像：

噪声数据上的总变差滤波：

范围 (8)

数据 (5)

过滤二维数组：

过滤 TimeSeries：

过滤音频信号：

图像去噪：

TotalVariationFilter 可用于数值稀疏阵列：

参数 (3)

假设加性高斯，默认正则化参数值是 0.1：

使用自定义的正则化值：

拉普拉斯噪声的正则化值是 0.8：

使用大的自定义值：

使用不同的正则化参数：

选项 (4)

Method (2)

盐椒噪声最好使用拉普拉斯方法删除:

使用泊松方法将噪声从低光中捕捉的图像删除:

MaxIterations (2)

使用不同的 MaxIterations 值过滤一维数组：

降噪一个灰度图像：

使用大的迭代数目：

应用 (5)

彩色图像的去噪：

使用泊松方法将噪声从低光中捕捉的图像删除:

去除图像的高斯彩色噪声：

使用 TotalVariationFilter 去除天文图像中更小的恒星：

使用 TotalVariationFilter 去锐化掩模：

顶部