数字图像处理_图像复原.ppt

数字图像处理_图像复原 基本思路： 高质量图像 退化了的图像 复原的图像 图像退化 图像复原 因果关系 研究退化模型 图像退化和复原 退化：在图像的获取、传输过程中，由于成像系统、传输介质等方面的原因，不可避免地造成图像质量的下降。 图像复原： 建立系统退化模型：在研究图像退化原因的基础上，以退化图像为依据，运用某些先验知识，建立系统退化的数学模型。 然后再将劣化了的图像以最大的保真度恢复图像。 图像退化 典型表现：图像模糊、失真、有噪声 原因： 大气的湍流效应 传感器特性的非线性 光学系统的像差 成像设备与被摄物体间的相对运动 复原方法：根据不同的退化模型，处理技巧和估计准则，导出各种不同的恢复方法 图像退化/复原模型 退化函数 H 复原滤波 + n(x,y) pf(x,y) g(x,y) f(x,y) 关于h和n的知识越多， 所得到的pf就越接近f 图像复原和视频复原 视频提供更多的图像信息 视频便于估计噪声函数和退化函数 视频复原的效果一般好于图像复原 Demo 线性代数复原法 无约束复原法 有约束复原法 无约束复原法 由退化模型可得： 希望找到一个pf，使得噪声项 最小 得到： 即最小化 有约束复原法 无约束复原法基础上附加一定的约束条件 若Q为f的线性算子,则须使下述函数最小： 最小 得到： 频率复原法 逆滤波 维纳滤波 逆滤波 不考虑噪声，从退化模型可得： 考虑噪声项： 已知退化图像和退化系统的传递函数，就可以复原出原始图像。 逆滤波的基本步骤 对退化图像g(x,y)进行二维傅立叶变换，得到G(u,v)。 计算系统冲激响应h(x,y)的二维傅立叶变换，求得H(u,v)； 计算F(u,v)； 计算F(u,v)的傅立叶反变换，求得f(x,y)。 逆滤波改进 当 时： 会引起很大误差 H(x,y)的幅值随着u，v离原点的距离的增加而迅速下降，而噪声的幅值变化则较平缓。 则令： 维纳滤波 改进逆滤波复原法：消除ω的调整工作。 维纳滤波器： Pn为噪声的功率谱，Pf原图像的功率谱 H(u,v)=0或幅值很小时，不会引起大误差； 当Pn(u,v)=0时，变为逆滤波复原法； 当Pf(u,v)=0时，F(u,v)=0 维纳滤波的基本步骤 对退化图像g(x,y)进行二维离散傅立叶变换，得到G(u,v); 计算系统冲激响应h(x,y)的二维傅立叶变换，求得H(u,v)； 估计噪声的功率谱Pn和输入图像的功率谱Pf； 计算F(u,v)； 计算F(u,v)的傅立叶反变换，求得f(x,y)。 维纳滤波 Matlab Demo 中值滤波 克服线性滤波如最小均方滤波、均值滤波给图像边缘带来的模糊，可以做到既去除噪声又能保护图像的边缘。 对一些细节多，特别是点、线、尖角细节较多的图像不宜采用。 原理：对一个滑动窗口（含有奇数点）内的所有像素灰度值排序，并用其中值代替窗口中心像素的原始灰度值。 I = imread(D:\imageMaterial\cameraman.tif); subplot(221); imshow(I); In = imnoise(I,salt pepper,0.02); subplot(222); imshow(In); If = medfilt2(In); subplot(223); imshow(If); 其他复原算法 Matlab Demos