图像复原.ppt

第4章图像复原 4.1 基本概念介绍 4.1.1 图像退化的一般模型分析 4.1.2 成像系统的基本定义分析 4.1.3 连续函数的退化模型分析 4.1.4 离散函数的退化模型分析 4.1.5 循环矩阵对角化 4.1.6 模型估计法分析 4.1.1 图像退化的一般模型分析 4.1.2 成像系统的基本定义分析 4.1.3 连续函数的退化模型分析 4.1.4 离散函数的退化模型分析 4.1.5 循环矩阵对角化 4.1.6 模型估计法分析 4.2 图像退化和噪声分析 4.2.1 一些噪声的概率密度函数及过程 4.2.2 在MATLAB中使用函数添加噪声 4.2.1 一些噪声的概率密度函数及过程 4.2.2 在MATLAB中使用函数添加噪声 4.3 图像复原方法 4.3.1 逆滤波 4.3.2 维纳滤波（有约束复原法） 4.3.3 Lucy-Richardson滤波复原 4.3.4 约束最小二乘方滤波 4.3.5 确定点扩展函数 4.3.1 逆滤波 4.3.2 维纳滤波（有约束复原法） 4.3.3 Lucy-Richardson滤波复原 4.3.4 约束最小二乘方滤波 4.3.5 确定点扩展函数 4.4 图像的几何校正 4.4.1 几何畸变的描述 4.4.2 几何校正 4.4.1 几何畸变的描述 4.4.2 几何校正 4.5 图像复原MATLAB实现 4.5.1 维纳滤波方法 4.5.2 约束最小二乘滤波复原 4.5.3 Lucy-Richardson复原 4.5.4 盲解卷积复原 4.5.1 维纳滤波方法 4.5.2 约束最小二乘滤波复原 4.5.3 Lucy-Richardson复原 4.5.4 盲解卷积复原 这时有三种情况： （1）如果这一坐标恰好落在畸变图像的像素上，则原图像(x,y)点的灰度值就为畸变图像相应点(x‘,y’)的灰度值； （2）如果这一坐标落在图像内而不是像素点，那么可用下面介绍的方法进行内插值而得到灰度级； （3）如果坐标落在畸变图像的外边，则用最靠近它的图像的像素点的灰度值作为它的灰度值。 当原图像坐标(x,y)变换后，落在畸变图像内，但不是刚好在图像的像素点上，就需要通过一定的手段求出这一点的灰度值，常用的方法有最近邻法、双线性内插法和三次卷积法。 2．内插法确定像素的灰度值 较简单的插值方法是最近邻法，即选择离它所映射到的位置最近的输入像素的灰度值为插值结果。 若原图像上坐标为(x,y)的像素经变换后落在畸变图像g(x,y)内的坐标为(u,v)，则近邻插值的数学表示为 （4-125） （1）最近邻法 （2）双线性内插法 图4-8 由四邻点灰度值插值求 的灰度值 （3）三次卷积法 MATLAB在图像处理工具箱中提供了4个图像复原函数，用于实现图像的复原操作，按照其复杂程度列举如下。 ● deconvwnr函数：使用维纳滤波复原。 ● deconvreg函数：使用约束最小二乘滤波复原。 ● deconvlucy函数：使用Lucy-Richardson复原。 ● deconvblind函数：使用盲解卷积算法复原。 维纳滤波复原函数deconvwnr的调用格式如下： ● J=deconvwnr(I, PSF) ● J=deconvwnr(I, PSF, NSR) ● J=deconvwnr(I, PSF, NCORR, ICORR) 其中，I表示输入图像，PSF表示点扩展函数，NSR（默认值为0）、NCORR和ICORR都是可选参数，分别表示信噪比、噪声的自相关函数、原始图像的自相关函数，输出参数J表示复原后的图像。 利用deconvreg函数实现对模糊图像的约束最小二乘复原。 deconvreg函数的调用格式如下： ● J=deconvreg(I, PSF) ● J=deconvreg(I, PSF, NP) ● J=deconvreg(I, PSF, NP, LRANGE) ● J=deconvreg(I, PSF, NP, LRANGE, REGOP) ● [J, LAGRA]=deconvreg(I, PSF,...) Lucy-Richardson算法能够按照泊松噪声统计标准求出与给定PSF卷积后最有可能成为输入模糊图像的图像。 当PSF已知而图像噪声信息未知时，也可以采用该算法进行复原操作。 从成像方程和泊松统计可以有如下推导 式中，O是原始图像，P(i/j)是PSF，I