scipy.signal.

wiener#

scipy.signal.wiener(im, mysize=None, noise=None)[Quelle]#

Führt einen Wiener-Filter auf einem N-dimensionalen Array aus.

Wendet einen Wiener-Filter auf das N-dimensionale Array im an.

Parameter:

imndarray: Ein N-dimensionales Array.
mysizeint oder array_like, optional: Eine Skalar- oder eine N-lange Liste, die die Größe des Wiener-Filterfensters in jeder Dimension angibt. Elemente von mysize sollten ungerade sein. Wenn mysize ein Skalar ist, wird dieser Skalar als Größe in jeder Dimension verwendet.
noisefloat, optional: Die zu verwendende Rauschleistung. Wenn None, wird das Rauschen als Durchschnitt der lokalen Varianz des Eingangs geschätzt.

Rückgabe:

outndarray: Wiener-gefiltertes Ergebnis mit derselben Form wie im.

Hinweise

Diese Implementierung ähnelt wiener2 in Matlab/Octave. Weitere Details finden Sie unter [1]

Referenzen

[1]

Lim, Jae S., Two-Dimensional Signal and Image Processing, Englewood Cliffs, NJ, Prentice Hall, 1990, S. 548.

Beispiele

>>> from scipy.datasets import face
>>> from scipy.signal import wiener
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> rng = np.random.default_rng()
>>> img = rng.random((40, 40))    #Create a random image
>>> filtered_img = wiener(img, (5, 5))  #Filter the image
>>> f, (plot1, plot2) = plt.subplots(1, 2)
>>> plot1.imshow(img)
>>> plot2.imshow(filtered_img)
>>> plt.show()