BM3D/BM3D-SAPCA/demo_BM3DSAPCA.m

   1 % BM3D-SAPCA : BM3D with Shape-Adaptive Principal Component Analysis  (v1.00, 2009)
   2 % (demo script)
   3 %
   4 % BM3D-SAPCA is an algorithm for attenuation of additive white Gaussian noise (AWGN)
   5 % from grayscale images. This algorithm reproduces the results from the article:
   6 %  K. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian, "BM3D Image Denoising with
   7 %  Shape-Adaptive Principal Component Analysis", Proc. Workshop on Signal Processing
   8 %  with Adaptive Sparse Structured Representations (SPARS'09), Saint-Malo, France,
   9 %  April 2009.     (PDF available at  http://www.cs.tut.fi/~foi/GCF-BM3D )
  10 %
  11 %
  12 % SYNTAX:
  13 %
  14 %     y_est = BM3DSAPCA2009(z, sigma)
  15 %
  16 % where  z  is an image corrupted by AWGN with noise standard deviation  sigma
  17 % and  y_est  is an estimate of the noise-free image.
  18 % Signals are assumed on the intensity range [0,1].
  19 %
  20 %
  21 % USAGE EXAMPLE:
  22 %
  23 %     y = im2double(imread('Cameraman256.png'));
  24 %     sigma=25/255;
  25 %     z=y+sigma*randn(size(y));
  26 %     y_est = BM3DSAPCA2009(z,sigma);
  27 %
  28 %
  29 %
  30 % Copyright (c) 2009-2011 Tampere University of Technology.   All rights reserved.
  31 % This work should only be used for nonprofit purposes.
  32 %
  33 % author:  Alessandro Foi,   email:  firstname.lastname@tut.fi
  34 %
  35 %%
  36
  37 clear all
  38
  39 y = im2double(imread('Cameraman256.png'));
  40 % y = im2double(imread('Lena512.png'));
  41 randn('seed',0);
  42
  43 sigma=25/255;
  44 z=y+sigma*randn(size(y));
  45
  46 y_est = BM3DSAPCA2009(z,sigma);
  47
  48 PSNR = 10*log10(1/mean((y(:)-y_est(:)).^2));
  49 disp(['PSNR = ',num2str(PSNR)])
  50 if exist('ssim_index')
  51     [mssim ssim_map] = ssim_index(y*255, y_est*255);
  52     disp(['SSIM = ',num2str(mssim)])
  53 end
  54