2022年9月2号（常用matlab图像处理函数）

matlab常用的图像处理函数：

img=imread(path)  %%%读取图片

imshow(img)    %%%图片的显示

im_rot = imrotate(image0, angle);  %%%旋转图片

im_down = imresize(im_rot, scale, 'bicubic');  %%%图片的下采样

im_flip=    flip(img,1)    %%%图片的翻转

 fullfile(datadir,image_name)   %%%路径拼接

h5create(file_name,'/data',size(data),'Datatype','single');   %%%创建一个h5文件

h5write(file_name,'/data',data);   %%%将data数据读入该文件下的这个组

h5disp(path)   %%%显示h5文件的信息

a=[a,b]   %%%z字符串的拼接

modecrop.m函数

将图片裁剪为scale的倍数

function imgs = modcrop(imgs, scale)
if size(imgs,3)==1
    sz = size(imgs);
    sz = sz - mod(sz, scale);
    imgs = imgs(1:sz(1), 1:sz(2));
else
    tmpsz = size(imgs);
    sz = tmpsz(1:2);
    sz = sz - mod(sz, scale);
    imgs = imgs(1:sz(1), 1:sz(2),:);
end

MATLAB图像处理常用函数_CExploer的博客-CSDN博客

EDSR：

DIV2K是新提出来的高质量图像恢复任务的数据集

有800张训练集，100张验证集，100张测试集。测试集没有公开，在验证集上面进行测试。

也在四个基准数据集上进行测试，Set5、Set14、B100、Urban100

使用RGB 低分辨率 块大小为48的图像对进行训练。

随机水平翻转和旋转90度进行数据增强。

通过减去DIV2K数据的均值进行预处理

 ADAM优化器

batch=16

学习率初始化为10-4，并在每2×105 MiniBatch更新中减半

使用L1损失函数。

L2损失函数可以获得更好的PSNR

L1损失函数可以收敛的更快 

基准数据集的测试结果。 

SRCNN 

为了与传统算法进行公平对比，采用相同的数据集

91张数据集

9 5 5 模型参数  

真实图片大小为32，这里是子图片，而不是块因为块需要overlapping并且需要后处理

低分辨率图像

步长为14采样，大约提供了24800张子图片

we blur a sub-image by a proper Gaussian kernel, sub-sample it by the upscaling factor, and upscale it by the same factor via bicubic interpolation

先模糊在下采样在上采样

只在亮度通道上进行训练

学习率的设置，前两层是0.0001，最后一层是0.00001

卷积层用0均值0.001标准差的高斯分布进行初始化

 为了避免训练过程中的边界效应，所有的卷积层都没有 填充