实验三图像恢复技术资料.doc

实验三 图像恢复技术 实验目的 掌握加深对理解 图像恢复问题可以分为两大类： 假定系统退化函数H为恒等算子，而只考虑环境噪声引起退化的情况； 同时考虑H和环境噪声(。 噪声模型 对噪声的行为和效果进行仿真的能力是图像恢复处理中的重点。除了周期噪声，通常假定噪声与象素坐标无关。 Matlab噪声仿真函数为： g = imnoise(f, type, parameters); 常见的噪声（高斯、椒盐噪声）的仿真实例如下： g = imnoise(f, ‘gaussian’, m, var); g = imnoise(f,’salt pepper’, d); (where ’d’ represents the noise density). 产生具有某种固定分布的空间随机噪声. MATLAB中两个常用的随机分布产生函数是： rand（均匀分布噪声）, randn（标准正态分布噪声） 空间随机噪声是有各自的PDF 或 CDF所决定的。除了有上面所讲的immoise噪声产生函数外， 具有某种规定 CDF的大部分随机噪声都可由均匀分布的随机量（这里用w表示）通过某个随机数产生方程来生成。也就是说，给定w ~ (0,1), 具有某个确定分布Fz 的随机变量z 可以通过解如下方程获得： z = Fz-1(w). 如： 变量z 满足如下Rayleigh分布： 则： , 这个方程也通常叫做随机数产生方程 (RNGE)。 对其他类型的 RNGEs, 请见参考教材[2]的146页。 产生两种噪声的Matlab程序实例 generate the gaussian noise of 500*500 size, mean=0, variance=1 R = imnoise2(‘gaussian’, 500,500, 0, 1) Whose histogram is below, generated by: hist((R:), 50); rayleigh noise (a and b is by default) r= imnoise2(‘rayleight’, 100000, 1) 从灰度直方图估计噪声的方法 所要进行估计的参数主要有两个：均值和方差；参考教材[2]中的Matlab实现函数为： [v, unv] = statmoments(p, n) 选取无特征背景区域 (ROI)的函数为： B = roipoly(f, c, r), or [B, r, c] = roipoly(…) for chose interactively. 实例：仿真某种噪声加入到某个无噪声的图像，然后把上面方法得到的参数估计与原参数进行比较。 f=imread(Fig0504(a)(noisy_image).tif); [B, c, r] = roipoly(f) subplot(221);imshow(f); subplot(222);imshow(B); [p,npix] = histroi(f,c,r); subplot(223);bar(p,1); [v,unv]=statmoments(p,2); x = imnoise2(‘gaussian’, npix, 1, floor(unv), floor(sqrt(v))); [v,unv]=statmoments(p,2) x = imnoise2(gaussian, npix, 1, floor(unv(1)), floor(sqrt(unv(2)))); subplot(224), hist(x, 130); axis([0 300 0 50]) 结果： 只有空间加性噪声时的图像恢复问题 当退化仅仅是由上式所示的加性噪声造成时，可以采用教材第三章中所讲的图像强技术。 Matlab函数spfilt（见附录）集成了差不多所有空间滤波的功能，包括 including: arithmetic mean, geometric mean, harmonic mean, contraharmonic mean, median, max, min, midpoint, alpha-trimmed mean； 用上面的函数进行图像复原的实例：原图像是一幅电路板的x-image，图像的相关信息为： unit8, TIFF, 448*464 (heigh*width); 对图像加入椒盐噪声后再用各种方法进行恢复： % adding pepper-salt noise [M, N]=size(f); R=imnoise2(salt pepper,M, N, 0.1,0); c = find(R==0); gp = f; gp(c)=0; % the following codes generate only salt noise