数字图像处理课件6.ppt

* 改善图像质量的两种方法： 图像的增强 不考虑图像降质的原因，只将图像中感兴趣的特征有选择的突出，而衰减次要信息； 特点：能提高图像的可读性，但改善后的图像不一定逼近原始图像， 如衰减各种噪声、突出目标的轮廓等。 图像的复原 针对图像降质的原因，设法去补偿降质因素，从而使改善后的图像尽可能的逼近原始图像。 5.1 概述 √图像增强：主观过程，而图像复原：客观过程。 √图像增强被认为是一种对比度拉伸等，提供给用户喜欢接收的图像；而图像复原技术追求恢复原始图像的最优估值。 √图像复原技术可以使用空间域或频率域滤波器实现。 5.1 概述 5.2 图像退化/复原过程的模型 √ f(x,y)表示一幅输入图像 √ g(x,y)是f(x,y)产生的一幅退化图像 √ H表示退化函数 √ η(x,y )表示外加噪声 √给定g(x,y)，关于退化函数H的一些知识和外加噪声项η(x,y ), 怎样获得关于原始图像的近似估计 ？ 5.4 空间域滤波复原（唯一退化是噪声） 5.4 空间域滤波复原（唯一退化是噪声） ? 图像复原的空间滤波器 √均值滤波器 算术均值滤波器、几何均值滤波器、谐波均值滤波器 √顺序统计滤波器 中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器 √自适应滤波器 自适应局部噪声消除滤波器、自适应中值滤波器 5.4.1 均值滤波器 1. 算术均值滤波器 5.4.1 均值滤波器 2. 几何均值滤波器 5.4.2 顺序统计滤波器 1. 中值滤波器 5.4.2 顺序统计滤波器 5. 修正后的阿尔法均值滤波器 mn-1， 5.4.3 自适应滤波器 2. 自适应中值滤波器 定义下列符号： 5.4.3 自适应滤波器 算法： 5.4.3 自适应滤波器 5.4.3 自适应滤波器 逆滤波没有说明怎样处理噪声. 维纳滤波综合考虑退化函数和噪声统计特征. (5.8.1) (5.8.2) 式(5.8.1)中误差函数的最小值在频率中用下式表达: 维纳滤波, 括号中的项组成的滤波器通常称为最小均方误差滤波器,或最小二乘方 误差滤波器. 处理白噪声(噪声的傅立叶谱为常量)时,谱|N(u,v)|2是一个常数,问题可以简化,但|F(u,v)|2未知. 第5章图像复原 5.8 维纳滤波 K为特殊常数. 经常用下式近似: (5.8.2)的维纳滤波要求: 未退化图像和噪声的功率必须是已知的.虽然用(5.8.3)近似的方法能得到好的结果,但功率谱比的常数K的估计一般没有合适的解. (5.8.3) 第5章图像复原 5.8 维纳滤波 * * * * * * * * * * * * *