数字图像处理 第五章_图像复原与重建.ppt

第五章 图 像 复 原 与 重 建;第五章 图像复原与重建;5.1 退化模型;退化的典型表现 畸变 ;退化的典型表现 模糊 ;退化的典型表现 失真 ;退化的典型表现 混入噪声 ;造成退化的常见因素 ;产生退化的具体原因 光学系统的像差 光学成像衍射 成像系统的非线性畸变 摄影胶片的感光的非线性 成像过程的相对运动 大气的湍流效应 环境随机噪声;克服退化的措施——图像复原 采取一定的方法尽可能地减少或消除图像质量的下降，恢复图像的本来面目，这就是图像复原，也称为图像恢复。 典型图像复原是利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。 图像复原的一般过程;图像复原与图像增强 目的： 都是为了改善图像的质量。 不同之处： 图像复原??试图利用退化过程的先验知识使已退化的图像恢复本来面目，即根据退化的原因， 分析引起退化的环境因素，建立相应的数学模型， 并沿着使图像降质的逆过程恢复图像。从图像质量评价的角度来看， 图像复原就是提高图像的可理解性。 而图像增强不考虑图像如何退化，只通过试探各种技术来提高视觉效果，图像增强的过程基本上是一个探索的过程， 它利用人的心理状态和视觉系统去控制图像质量， 直到人们的视觉系统满意为止。 ;评价准则（对图像复原结果的评价） 最小均方准则 加权均方准则 最大熵准则;5.1.2 退化的数学模型;离散图像退化的数学模型 一维离散退化模型 设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应函数，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积，即 ;输出为 ; 因为fe(x)和he(x)已扩展成周期函数，故ge(x)也是周期性函数， 用矩阵表示为 ;因为he(x)的周期为M，所以he(x)=he(x+M)，即 ;;二维离散模型 设输入的数字图像f(x, y)大小为A×B，点扩展函数h(x, y)被均匀采样为C×D大小。为避免交叠误差，仍用添零扩展的方法， 将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。 ;则输出的降质数字图像为 ;Hi(i=0, 1, 2,…, M-1)为子矩阵，大小为N×N，即H矩阵由M×M个大小为N×N的子矩阵组成， 称为分块循环矩阵。分块矩阵是由延拓函数he(x, y)的第j行构成的，构成方法如下: ;若把噪声考虑进去, 则离散图像退化模型为 ;写成矩阵形式为 ;5.1.2 退化的数学模型;5.2 代数恢复法;5.3 频率域恢复方法; 对于线性位移不变系统 ;逆滤波恢复法的基本步骤 ;5.3.1 逆滤波恢复法;5.3.1 逆滤波恢复法;5.3.1 逆滤波恢复法;5.3.1 逆滤波恢复法;5.3.1 逆滤波恢复法;逆滤波法复原图像 (a) 原始图像； (b) 退化图像； (c)复原图像 ;5.3.2 去除由匀速运动引起的模糊;进行傅立叶变换得到 ：;5.3.3 维纳滤波复原法;特点 当H(u,v)=0 或者其幅值很小时，分母不会为零，不会出现被零除的情形； 当Pn(u,v)=0时，维纳滤波复原法就变为逆滤波复原法； 当Pf(u,v)=0时，F(u,v)=0，说明图像中没有有效信息，无法复原； 对于受噪声影响的图像，维纳滤波的效果好于逆滤波；;5.3.3 维纳滤波复原法;5.4 几何校正;几何校正 将几何失真的图像校正成无几何失真的图像 基本方法： 先建立几何校正的数学模型； 利用已知条件确定模型参数； 根据模型对图像进行几何校正。 步骤 图像空间坐标的变换； 确定校正空间各像素的灰度值（灰度内插）。;5.4 几何校正; 空间几何坐标变换 按照一幅标准图像f(x, y)或一组基准点去校正另一幅几何失真图像g(x',y') ，称之为空间几何坐标变换。 根据两幅图像的一些已知对应点对(也称为控制点对)建立起函数关系式，将失真图像的x’-y’坐标系变换到标准图像x-y坐标系，从而实现失真图像按标准图像的几何位置校正，使g(x',y') 中的每一像点都可在f(x, y) 中找到对应像点。 ;同名像素 对于景物中的一个点，在f(x,y)和g(x‘,y’)中都有其对应像素，这对应的像素称为同名像素。假定其灰度是不变的，即 已知h1(x,y)和h2(x,y)条件下的几何校正 ;5.4 几何校正;5.4 几何校正;像素灰度内插方法 最近邻元法（最近邻域法，Nearest Neighbor） 双线性内插法 （Bilinear） 三次内插法（三次卷积法，Bicubic） ;5.4