【2017年整理】数字图像处理ch6imagerestoration.ppt

数字图像处理Digital Image Processing;第6章 图像复原(Image Restoration) ;6.6 逆滤波 (Inverse Filtering) ;问题背景(Background) 图像增强(Image Enhancement)不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。 而图像复原(Image Restoration)就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。 如果图像已退化，应先作复原处理，再作增强处理。 二者的目的都是为了改善图像的质量。 ;Reasons for Image Degradation: 成象系统的像差、畸变、带宽有限等造成图像失真； 由于成像器件拍摄姿态和扫描非线性引起的图像几何失真； 运动模糊，成像传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊； 灰度失真，光学系统或成像传感器本身特性不均匀，造成同样亮度景物成像灰度不同； 辐射失真，由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真； 图像在成像、数字化、采集和处理过程中引入的噪声等。;场景辐射能量在物平面上分布用f(x,y)描述，在通过成像系统H时，在像平面所得图像为H[f(x,y)]，如果再有加性噪声n(x,y)，则实际所得退化图像g(x,y)可用下列模型表示： 把物平面分布函数分解成函数加权积分的形式，即;其中;对于空间位移不变系统，退化模型可描述为： ;采用线性位移不变系统模型的原因如下： （1）许多种退化都可以用线性位移不变模型来近似，这样线性系统中的许多数学工具如线性代数，能用于求解图像复原问题，从而使运算方法简捷和快速。 （2）当退化不太严重时，一般用线性位移不变系统模型来复原图像，在很多应用中有较好的复原结果，且计算大为简化。 （3）尽管实际非线性和位移可变的情况能更加准确而普遍地反映图像复原问题的本质，但在数学上求解困难。只有在要求很精确的情况下才用位移可变的模型去求解，其求解也常以位移不变的解法为基础加以修改而成。;Definition：图像恢复(Image Restoration)是根据退化原因，建立相应的数学模型，从被污染或畸变的图像信号中提取所需要的信息，沿着使图像降质的逆过程恢复图像本来面貌。 实际的恢复过程是设计一个滤波器，使其能从降质图像g(x, y)中计算得到真实图像的估值 ，使其根据预先规定的误差准则，最大程度地接近真实图像f(x, y);图像恢复技术的分类： (1)在给定退化模型条件下，分为无约束和有约束两大类; (2)根据是否需要外界干预，分为自动和交互两大类; (3)根据处理所在域，分为频域和空域两大类。 ;6.2 Noise Models;均匀噪声分布(Uniform noise);脉冲噪声（椒盐噪声）; 噪声脉冲可以是正的，也可以是负的。在一幅图像中，脉冲噪声总是数字化为最小值或最大值(纯黑或纯白)。 负脉冲以一个黑点(胡椒点)出现在图像中。由于相同的原因，正脉冲以白点(盐点)出现在图像中。 对于一个8位图像，这意味着a=0(黑)。b=255(白)。;【例6.1】样本噪声图像和它们的直方图 A=imread(fig606a.jpg); %读取图像 figure,imshow(A); %显示图像 figure,hist(double(A),10); %求出A的直方图并显示 B=imnoise(A,gaussian,0.05); %对A附加高斯噪声 figure,imshow(B); %显示附加高斯噪声后的图像B figure,hist(double(B),10); %求出B的直方图并显示 C=imnoise(A,speckle,0.05); %对A附加均匀分布噪声 figure,imshow(C); %显示附加均匀噪声后的图像C figure,hist(double(C),10); %求出C的直方图并显示 D=imnoise(A,salt pepper,0.05); %对A附加椒盐噪声 figure,imshow(D);