图像复原与重建.doc

3-1、图象复原1 已知一图象p2-05-01，经过高通滤波得到其退化图象p2-05-02。采用逆滤波方式将其重新复原。高通滤波器采用两种：（1）巴特沃茨滤波器（2）高斯滤波器，其截止频率自行设定。 图像恢复处理的关键是建立图像的退化模型，实际所得退化图像g(x，y)模型的数学形式为 图像的退化复原过程模型： 图像的频域率复原有多种方法，如逆滤波复原法、维纳滤波复原法等。 其中逆滤波恢复法的过程如下： 对退化图像作二维傅里叶变换，得到G(u，v)。 (2)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)。　　这一步值得注意的是，通常h(x，y)的尺寸小于g(x，y)的尺寸。为了消除混叠效应引起的误差，需要把h(x，y)的尺寸延拓。　　(3)计算。　　(4)计算的逆傅立叶变换，求复原图像。　　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。 程序为： clc; A=imread(p2-05-01.bmp); subplot(2,2,1),imshow(A); title(A); f=double(A); g=fft2(f); g=fftshift(g); subplot(2,2,2),imshow(log(abs(g)),[-1, 10]);title(傅里叶变换); [M,N]=size(g); d0=15; %d0=15,25,80 m=fix(M/2);n=fix(N/2); for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2); if(d=d0) h=1; else h=0; end H(i,j)=h*g(i,j); end end subplot(2,2,3),imshow(H);title(理想高通滤波器); H=ifftshift(H); J1=ifft2(H); J2=uint8(real(J1)); subplot(2,2,4),imshow(J2);title(退化后图像); F=fft2(J1); F=fftshift(F); [S,W]=size(F); D0=15; s=fix(S/2);w=fix(W/2); for i=1:S for j=1:W D=sqrt((i-s)^2+(j-w)^2); if(D=D0) M(i,j)=F(i,j); else M(i,j)=g(i,j); end end end M=ifftshift(M); J3=ifft2(M); J4=uint8(real(J3)); figure,imshow(J4);title(复原图); 运行结果为： 3-2、图象复原2 　已知p2-08为原图象，将该图象与平滑函数卷积产生模糊，再叠加零均值，方差分别为8，16和32的高斯随机噪声得到的1组待复原的图象。采用（1）维纳滤波方法进行复原；（2）约束最小二乘方滤波方法进行复原；并进行比较。 采用维纳滤波器的复原过程步骤如下：　　(1)计算图像g(x，y)的二维离散傅立叶变换得到G(u，v)；　　(2)计算点扩散函数hw(x，y)的二维离散傅立叶变换。同逆滤波一样，为了避免混叠效应引起的误差，应将尺寸延拓；　　(3)估算图像的功率谱密度Pf(u，v)和噪声的谱密度Pn(u，v)；　　(4)计算图像的估计值；　　(5)计算的逆傅立叶变换，得到恢复后的图像。 程序为： %用维纳滤波法进行复原 clf; clc; f=imread(p2-08.tif); [row,line]=size(f); F=fft2(f); r=1:row; c=1:line; [C,R]=meshgrid(c,r); h=exp(sqrt(R.*R+C.*C)/240); H=fft2(h); g=(ifft2(F.*H)); %产生高斯噪声 M=0; %平均值 noise8=imnoise(zeros(size(f)),gaussian,M, 8); noise16=imnoise(zeros(size(f)),gaussian,M,16); noise32=imnoise(zeros(size(f)),gaussian,M,32); %加入高斯噪声后的图像 fnoise8=g+noise8; fnoise16=g+noise16; fnoise32=g+noise