3.1图像的复原.ppt

3.1 图像的复原 主要内容 图像退化的原因 图像退化模型的建立 图像复原的方法 重点与难点 重点: 图像退化的原因 图像退化模型 图像恢复的方法 难点 图像退化模型的建立 图像复原的方法 光学散焦造成的图像退化 目标相对运动造成的图像退化 例2：通过位置信息来产生高斯噪声 例3：根据亮度值来产生高斯噪声 例4：添加椒盐噪声 维纳（wiener）滤波最早是由Wiener提出，针对一维、二维信号进行复原，计算量较低，但效果较好。 例：通过维纳滤波对运动模糊进行复原。 例4：对彩色图像进行模糊，增加噪声，然后利用Lucy-Richardson滤波器对其进行复原处理 clear all; I=imread(board.tif); I=I(50+[1:256],2+[1:256],:); subplot(131);imshow(I); xlabel(a)原始图像); PSF=fspecial(gaussian,5,5);%创建PSF Blurred=imfilter(I,PSF,symmetric,conv);%图像中创建一个模拟的模糊和添加噪声 V=.002; BlurredNoisy=imnoise(Blurred,gaussian,0,V);%图像中添加噪声 subplot(132);imshow(BlurredNoisy); xlabel(b)降质图像);%使用deconvlucy函数复原模糊图像 luc1=deconvlucy(BlurredNoisy,PSF,5); subplot(133);imshow(luc1); xlabel(c)图像复原); 总结 图像复原（恢复）是主要目的是改善给定的图像质量并尽可能恢复原图像。 图像复原（恢复）的原因是图像在形成、传输和记录过程中，受到多种因素的影响，图像的质量都会有所下降。典型表现有图像模糊、失真、有噪声等。 图像复原主要包括以下几部分： (1) 图像的退化模型： 分析图像质量退化的原因，建立数学模型 (2) 图像的恢复模型： 建立图像反卷积的模型 (3)图像的复原方法： 4种去模糊方法 作业 复原的基本步骤： 首先，构建适时的退化模型； 然后，建立针对退化模型再选择合适的复原算法。 作业： 结合专业实践或兴趣点，复原一幅图像。 1 图像的退化 1.1图像退化的原因 (1)目标或拍摄装置的移动造成的运动模糊、长时间曝光引起的模糊等。 (2)焦点没对准、广角引起的模糊、大气扰动引起的模糊、曝光时间太短引起拍摄装置捕获的光子太少引起的模糊； (3)散焦引起的图像扭曲； (4)图像在成像、数字化、采集和处理过程引入的噪声。 散焦对应的点扩展函数 运动形成的模糊示例 图像退化效果 对应的点扩展函数 1.2图像退化的数学模型 图像复原的关键是建立图像的退化模型，一幅清晰的图像通过一个退化系统H，然后加入加性噪声能够生成一幅退化图像，图像的退化模型如下图所示。 以上模型可以用下面的数学表达式表述： g(x,y)=h(x,y)*f(x,y)+n(x,y) g(x,y)指退化的图像，h(x,y)失真函数，f(x,y)原图像,n(x,y)加性噪声，*代表卷积 由于数字图像都是离散形式的，因此在实际应用中，图像的退化模型可以写成如下表达式，离散形式的退化模型 若图像中不含有噪声，即n(x,y)=0,则数学表达式简化为如下形式： 在空间域中，卷积运算对应于频域的相乘，上面的模型可以用空间域的模型表示为： G(u,v)=H(u,v)F(u,v)+N(u,v) G(u,v),H(u,v),F(u,v),N(u,v)分别用g(u,v),h(u,v),f(u,v),n(u,v)的频域表示。 上面的退化模型可以简写为如下形式： g=Hf+n g图像质量退化的图像 H失真函数，即点扩散函数，点扩散函数描述的是一个光学系统对真实图像的模糊程度。 f指真实图像 n是加性噪声。 图像去模糊的主要任务是用点扩散反卷积模糊的图像。 1.3图像的噪声 数字图像的噪声主要来自数字图像的获取和传输过程。图像中的噪声种类很多，常见的噪声有高斯噪声、瑞丽噪声、伽马噪声，指数分布噪声、椒盐噪声等，并由此建立相应的模型。 imnoise函数可以在图像中加入噪声。 例1：通过均值和方差来产生高斯噪声 clear all; I=uint8(100*ones(256,256));%建立均值为100的图像数据 J=imnoise(I,gaussian,0,0.01);