数字图像处理55311(免费阅读).pptVIP

数字图像处理 指导教师： 胡晓雁 电子邮件： huxy@bnu.edu.cn 北京师范大学信息科学与技术学院 图像复原 图像退化与复原 图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏 图像复原就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理 图像退化与复原 典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像 图像复原过程如下： 找退化原因→建立退化模型→反向推演→恢复图像 可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度，体现在建立的退化模型是否合适 图像复原和图像增强的区别： 图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果 图像复原需知道图像退化的机制和过程等先验知识，并据此找出一种相应的逆处理方法，从而得到复原的图像 二者的目的都是为了改善图像的质量 图像的采样 在数学上，点源可以用狄拉克δ函数来表示。二维δ函数可定义为 且满足 图像的采样 它的一个重要特性就是采样特性。即 当α=β=0时 图像的采样 它的另一个重要特性就是位移性 用卷积符号*表示为 二维线性位移不变系统 二维线性位移不变系统 如果对二维函数施加运算T[·]，满足 二维线性位移不变系统 当输入为单位脉冲δ(x ， y)时，系统的输出便称为脉冲响应，用h (x ， y)表示。在图像处理中，它便是对点源的响应，称为点扩散函数。用图表示为 当输入的单位脉冲函数延迟了α、β单位，即当输入为δ（x–α，y–β）时，如果输出为h（x–α，y–β），则称此系统为位移不变系统 二维线性位移不变系统 对于一个二维线性位移不变系统，如果输入为f（x，y） ，输出为g (x，y)，系统加于输入的线性运算为T[·]，则有 二维线性位移不变系统 简记为 上式表明，线性位移不变系统的输出等于系统的输入和系统脉冲响应（点扩散函数）的卷积 二维线性位移不变系统 下图表示二维线性位移不变系统的输入、输出和运算关系 图像退化的数学模型 假定成像系统是线性位移不变系统,则获取的图像g(x,y)表示为 f(x，y)表示理想的、没有退化的图像，g(x，y)是退化（所观察到）的图像 二维线性位移不变系统 若受加性噪声n(x，y)的干扰，则退化图像可表示为 这就是线性位移不变系统的退化模型。退化模型如图所示 二维线性位移不变系统 采用线性位移不变系统模型的原由： 1）由于许多种退化都可以用线性位移不变模型来近似，这样线性系统中的许多数学工具如线性代数，能用于求解图像复原问题，从而使运算方法简捷和快速 2）当退化不太严重时，用线性位移不变系统模型来复原图像，在很多应用中有较好的复原结果 3）尽管实际非线性和位移可变的系统能更加准确而普遍地反映图像降质的本质，但在数学上求解困难 逆滤波恢复法 对于线性移不变系统而言 对上式两边进行傅立叶变换得 H(u,v)称为系统的传递函数。从频率域角度看，它使图像退化，因而反映了成像系统的性能 逆滤波恢复法 通常在无噪声的理想情况下，上式可简化为 则 进行反傅立叶变换可得到f(x,y)。以上就是逆滤波复原的基本原理。1/H(u,v)称为逆滤波器 逆滤波恢复法 逆滤波恢复的基本步骤： 对退化图像g(x,y)作二维离散傅立叶变换，得到G(u,v) 计算系统点扩散函数h(x,y)的二维傅立叶变换，得到H(u,v) 逆滤波计算 F(u,v)=G(u,v)/H(u,v) 计算F(u,v)的逆傅立叶变换，得f(x,y) 加性噪声逆滤波恢复法 实际获取的影像一般有噪声，因而求出的结果一般来说只是F(u,v)的估计值 再作傅立叶逆变换得 加性噪声逆滤波恢复法 若噪声为零，则采用逆滤波恢复法能完全再现原图像 若噪声存在，而且H(u,v）很小或为零时，则噪声被放大 这意味着退化图像中存在的小噪声干扰在H(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非 加性噪声逆滤波恢复法 为此改进的方法有： 在H(u,v)=0及其附近，人为设置H(u,v)的值，使N(u,v)/H(u,v)不会对F(u,v)产生太大影响 使1/H(u,v)具有低通滤波性质 Wiener滤波 Wiener滤波 功率谱特征：图像的功率谱具有低通性，噪声的功率谱为常数或变化平缓 图像信号近似看作平稳随机过程 图像恢复准则：f(x,y)和 的之间的均方误差e2达到最小，即 Wiener滤波 线性滤波：寻找点扩散函数hw(x,y)，使得 Wiener滤波 Andrews和Hunt推导出满足要求