simulink 在图像处理中的应用.ppt

（4）结果分析： 仿真图中按照矩阵排列，第一幅图为运动噪声引起的模糊图像，第二幅图为高斯噪声引起的模糊图像，第三幅图为利用维纳滤波器恢复运动噪声引起的模糊图像，第四幅图为利用维纳滤波器恢复高斯噪声引起的模糊图像。结果可以明显看出：运动引起的模糊图像的恢复效果比因高斯引起的模糊图像的恢复效果清晰。 2）将维纳滤波器的参数进行设定来恢复图像；观察并比较恢复效果。 （1）本例题选择针对运动噪声引起的模糊图像，采用了设定过大的模糊距离参数和过大的模糊运动方向角度参数进行恢复的方法 (创建M文件等操作步骤与前面类似，故省略步骤，直接给出参考程序和运行结果)。 参考程序： I=imread(autumn.tif); LEN=31; THETA=11; PSF1=fspecial(motion,LEN,THETA); PSF2=fspecial(gaussian,10,5); Blurred1=imfilter(I,PSF1,circular,conv); Blurred2=imfilter(I,PSF2,conv); V=0.002; BlurredNoisy1=imnoise(Blurred1,gaussian,0,V); BlurredNoisy2=imnoise(Blurred2,gaussian,0,V); wnr3=deconvwnr(Blurred1,fspecial(motion,2*LEN,THETA));% 设置过大模糊距离参数%来恢复图像。 wnr4=deconvwnr(Blurred1,fspecial(motion,LEN,2*THETA));% 设置过大运动方向角度%参数来恢复图像。 subplot(1,2,1);imshow(wnr3); % 显示过大模糊距离恢复的图像。 title(restored1,ture PSF); subplot(1,2,2);imshow(wnr4); % 显示过大运动方向角度恢复的图像。 title(restored2,true PSF); 结果如下： 图66 例17运动模糊图像与高斯模糊图像恢复后对比 （2）在2节中利用维纳滤波器恢复图像的指令格式中还提供了一种利用图像的自相关函数来提高恢复图像质量的方法，格式为：deconvwnr(BlurredNoisy,PSF,NCORR,ICORR)。 参考程序： I=imread(autumn.tif ); LEN=31; THETA=11; PSF1=fspecial(motion,LEN,THETA); PSF2=fspecial(gaussian,10,5); Blurred1=imfilter(I,PSF1,circular,conv); Blurred2=imfilter(I,PSF2,conv); V=0.002; BlurredNoisy1=imnoise(Blurred1,gaussian,0,V); BlurredNoisy2=imnoise(Blurred2,‘gaussian’,0,V); NP=(V*prod(size(I))).^2; NPOW=sum(NP(:))/prod(size(I)); NCORR=fftshift(real(ifftn(NP)));%噪声的自相关函数的设置。 IP=abs(fftn(im2double(I))).^2; IPOW=sum(IP(:))/prod(size(I)); ICORR=fftshift(real(ifftn(IP))); %原始图像的自相关函数的设置。 wnr5=deconvwnr(BlurredNoisy1,PSF1,NCORR,ICORR); wnr6=deconvwnr(BlurredNoisy2,PSF2,NCORR,ICORR); subplot(1,2,1);imshow(wnr5); subplot(1,2,2);imshow(wnr6); 结果如下： 图67 例17不同自相关信息恢复图像对比 本章小结 第5章以Simulink视频和图像处理模块为主，从实际应用角度出发，以二维静态图像为主要研究图像，举例讲述了图像的增强、图像的几何变换、图像的形态学操作等处理方法；图像的恢复操作、图像的重建操作侧重对MATLABR2008b图像处理工具箱中的常用函数进行了介绍。 通过1至4节的学习，我们可以掌握在使用视频和图像处理模块集时，只需选用所需模块，然后通过拖拽的方式在新建Simulink模型中摆放合理，然后绘制好仿真系统框图，再设定各模块参数，即可启动仿真，完成图像处理工作。此方法简单直观，不需要编写复杂的程序代码，也不需要精通各模块的内部原理与算法