数字图像分析第2章2.6.ppt

2.6 恢复(Restoration) 数字图象恢复与增强的目的类似，也是旨在改善图象的质量. 但恢复是力求保持图象的本来面目，即以保真原则为其前提，这是区别于增强的基本不同点。因而恢复时要了解图象质量下降的物理过程，找出或估计其物理模型。恢复的过程就是沿着质量下降的逆过程来重现原始图象. 2·6·1 图象降质的模型 线性位移不变系统，相加性噪声. 2·6·2 恢复的基本方法 经典复原滤波 (Classical Restoration Filters） 1、逆滤波(Inverse Filtering) 2、维纳滤波(Wiener Filtering) 线性代数恢复方法 （Linear Algebraic Restoration) 1、逆滤波 条件:噪声可忽略 逆滤波器的传递函数 : 2、维纳滤波 均方误差在统计意义上最小的准则 维纳滤波器的传递函数 : 3、线性代数恢复方法 为恢复滤波器的设计提供了统一的思路 2·6·3 点扩展函数（PSF）的估计 由导致模糊的物理过程来确定。例如：光学成像系统中衍射造成的质量下降；相机与景物之间相对运动为匀速直线运动时所造成的模糊。 从退化图象本身来估计。 估计点扩展函数 由足够的线扩展函数来估计 由足够的界线扩展函数来估计 盲解卷积 匀速直线运动引起模糊的传递函数 点扩展函数，线扩展函数，界线扩展函数 一种盲解卷积方法 2·6·4 几何校正 恢复或校正几何畸变，不改变灰度 通常分两步进行： 1、坐标的几何校正(空间变换) 2、象素灰度值的估计(灰度插值) 空间变换一般形式: g(x,y) = f(x’,y’) = f [a(x,y), b(x,y)] 灰度插值的原因是： 输入输出图像坐标间的映射通常不会是整数转换到整数坐标，即输入图像的像素往往映射到输出图像几个像素之间。 灰度插值的实现有两种方法： 前向映射法 后向映射法（常用） 1、坐标的几何校正 建立正确图象网格坐标与失真图象网格坐标之间的对应关系 这一对应关系可以用多项式来表示。一般用二次多项式 为了求得变换多项式的系数，必须要有足够多、合适的控制点。 变换式和控制点的选取关系到校正的精度和计算量 2、象素灰度值的估计 1）最邻近赋值 也称零阶插值，把靠近点的像素值赋予该点 计算简单，结果一般可以接受， 但细结构处质量差 2）双向线性插值 也称一阶插值 计算稍复杂，结果比零阶插值好，虽然在边界处是连续的，但是其导数不连续 3）高阶插值 计算复杂，可以克服边界处导数的不连续性 几何运算的应用 几何校正是几何运算的一种应用 几何运算还用于：图像配准，图像样式转换，地图投影和变形等 * * 点展开函数PSF (Point Spread Function ） 传递函数 (Transfer Function) 逆滤波例 维纳滤波例 用 Lagrange multipliers 解得: 去运动模糊一例 输入图 f(x’,y’) 输出图 g(x,y) 前向映射法 后向映射法 控制点: 由一组控制点，得到变换多项式系数。 确定多项式变换式系数 f(x,y) = [f(0,0)p1q2+f(1,0)p2q2+f(0,1)p1q1+f(1,1)p2q1] [(p1+p2)(q1+q2)] 双向线性插值计算式