第五章图像恢复.pptVIP

5.4.1　空间变换：坐标的几何校正 设原图像f(x,y)的坐标是x和y，几何畸变了的图像g(x’,y’)的坐标为x’和y’，则两个坐标之间的关系可以用如下变换描述为： 其中，X(x,y)和Y(x,y)分别表示引起图像平面上位于(x,y) 处的像素的坐标位置发生变化的单值映射变换函数。 （5.60） 5.4　几何失真的校正 5.4.1　空间变换：坐标的几何校正 对于线性失真， X(x,y)和Y(x,y)可分别表示为： （5.61） （5.62） 对于非线性二次失真，X(x,y)和Y(x,y)可分别表示为： （5.64） （5.63） 其中，ai、bi为待定系数。 5.4.1　空间变换：坐标的几何校正 失真图像与校正后的图像的像素点的对应关系： 5.4.1　空间变换：坐标的几何校正 假设四边形区域中的几何失真过程可用如下的双线性方程对来表示为： （5.65） （5.66） 把以上2个公式代入式（5.60）可得： （5.67） （5.68） 5.4.1　空间变换：坐标的几何校正 对于图5.5中的两个四边形来说，已知的对应点有4组共8个，根据式（5.67）和式（5.68）可有： 求解由上述8个关系式组成的方程组即可解出8个待定的系数ai、bi，i=1，2，3，4。再把这些系数带入由上述8个关系式组成方程组，就建立了校正四边形区域内所有像素点的空间变换公式（模型）。 不管是原图像f(x,y)，还是产生了几何畸变的失真图像g(x’,y’)，其像素值都应定义在整数坐标上，也即x、y、x’、y’都应是整数值。然而在图像恢复过程中，根据确定的待定系数建立的空间变换模型计算出的x’和y’可能是非整数值，这样用非整数值的坐标位置(x’，y’)确定的一个到g的映射就会没有灰度定义，所以就要用其周围的整数坐标位置上的像素值来推算该非整数的坐标位置的像素值，实现这种功能的技术就称为灰度插值。 5.2.2 灰度插值：灰度值恢复 5.4　几何失真的校正 最近邻插值法示意图: 5.2.2 灰度插值：灰度值恢复 5.4　几何失真的校正 所谓最近邻插值，就是将离(x’，y’)点最近的像素的灰度值看作是(x’，y’)点的灰度值赋给理想非失真图像 的位于(x，y)处的像素。 利用最近邻插值法对图像几何畸变进行校正的步骤： （1）确定理想非失真图像和失真图像上的四边形及其对应点，并利用式(5.67)和式(5.68)建立方程组及其变换公式，把整数坐标(x，y)映射到非整数坐标(x’，y’)。 （2）选择与(x’，y’)相邻最近的整数坐标。 （3）把第（2）步确定的整数坐标处的像素值赋给位于(x，y)处的像素。 5.2.2 灰度插值：灰度值恢复 5.4　几何失真的校正 5.2　空间域图像的恢复 5.2.2 匀速直线运动模糊的恢复方法 {自学} 5.3　图像噪声与被噪声污染图像的恢复 5.3.1 常见的噪声及其概率密度函数 （1）高斯噪声(Gaussian noise) 高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也称为正态噪声，其概率密度函数(probability density function)为： （5.48） 其中，高斯随机变量z表示灰度值；μ表示z的平均值或期望值；σ表示z的标准差，而标准差(standard deviation)的平方σ2称为z的方差(variance)。 5.3　图像噪声与被噪声污染图像的恢复 5.3.1 常见的噪声及其概率密度函数 高斯噪声是白噪声的一个特例。所谓白噪声(white noise)，是指图像面上不同点的噪声是不相关(uncorrelated)的，其功率谱(power spectrum)为常量，也即其强度不随频率的增加而衰减。 （1）高斯噪声（续1） 5.3　图像噪声与被噪声污染图像的恢复 5.3.1 常见的噪声及其概率密度函数 （2）瑞利噪声(Rayleigh noise) 瑞利噪声的概率密度函数为： 概率密度的均值和方差分别为： （5.49） （5.50） （5.51） 5.3　图像噪声与被噪声污染图像的恢复 5.3.1 常见的噪声及其概率密度函数 （2）瑞利噪声(续1) 5.3　图像噪声与被噪声污染图像的恢复 5.3.1 常见的噪声及其概率密度函数 （3）均匀分布噪声(Uniform distribution noise) 均匀分布噪声的概率密度函数为： 概率密度的