数字图像处理_图像复原讲座.ppt

●间接法： 例：设 的灰度值各点如下： ， ， ， 基准网格上某点 计算出 ，则 ， 。那么 的灰度为： 3) 不知 和 在这种情况下，通常用基准图像和几何畸变图像上多对同名象素的坐标来确定h1(x,y) 和h2(x,y) 。 3) 不知 和 假定基准图像象素的空间坐标(x,y)和几何畸变图像对应象素的空间坐标 之间的关系用下式表示： 其中aij ,bij为待定系数。 ●线性畸变 可从基准图像找出三个点 ， ， 与畸变图像上三个点 ， ， 一一对应。分别代入上式的线性近似式： ●线性畸变 可得： ●线性畸变 写成矩阵形式： 则可联立方程或用矩阵求逆，得到ai、bi 的系数，这样h1(x,y)和h2(x,y)就确定了，则可以用已知h1(x,y)和h2(x,y)的间接法校正几何失真的图像。 ●二次型畸变 找出6对同名坐标象素，代入 在多于6对同名坐标已知时，根据最小二乘法求解系数。得到h1(x,y)和h2(x,y)后，用已知h1(x,y)和h2(x,y)的间接法校正几何失真的图像。 数学知识补充 图象恢复：将降质了的图像恢复成原来的图象，针对引起图象退化原因，以及降质过程某些先验知识，建立退化模型，再针对降质过程采取方法，恢复图象。 一般地讲，复原的好坏应有一个规定的客观标准，以能对复原的结果作出某种最佳的估计。 5.1 退化模型 降质过程可看作对原图像f(x，y)作线性运算。 g(x，y) ＝ H · f(x，y) 降质后 降质模型 原图（清晰） 以后讨论中对降质模型H作以下假设： ? H是线性的 ? H是空间（或移位）不变的 对任一个f(x，y)和任一个常数α 和β都有： H f(x-α,y-β) = g(x-α,y-β) 就是说图象上任一点的运算结果只取决于该点的输入值，而与坐标位置无关。 系统H的冲激响应，在光学中 退化可以理解为系统冲激响应不 冲激为一个光点，h一般也被 理想造成图象的降质。 称为点扩展函数，PSF （Point Spread Function） ? 而在实际降质过程中，降质的另一个复杂因素是随机噪声，考虑有噪声的图象恢复，必须知道噪声统计特性以及噪声和图像信号的相关情况，这是非常复杂的。 实际中假设是白噪声－－频谱密度为常数，且与图像不相关，（一般只要噪声带宽比图象带宽大得多时，此假设成立的），由此得出图象退化模型。 H f(x,y) g(x,y) n(x,y) 图象降质过程模型 讨论的前提是假设H线性，下面一些恢复方法都是对上述模型的近似估计。 两边进行付氏变换： 讨论恢复问题： 若略去噪音N，得： 反变换,可求 F→ f 若H有零点，G也有零点出现，0/0的不定值，这样模型不保证所有逆过程都有解？ 由于引起退化的因素众多，而且性质不同，而目前又没有统一的恢复方法，许多人根据不同的物理模型，采用不同的退化模型、处理技巧和估计准则，从而导出了多种恢复方法。 有效方法：针对特定条件，用特定模型处理。 5.2 退化参数的确定 即确定：h(x,y)与n(x,y) 先验知识办法——与图像无关 后验办法——与图象有关,经验性的 1．根据导致模糊的物理过程（先验知识） ? 大气喘流造成的传递函数 ?光学系统散焦传递函数 ? 相机与景物之间相对运动造成图像降质，H(u,v)——运动模糊： 已知：设相机不动，对象运动，运动分量x，y分别为x0(t)，y0(t）相机快门速度是理想的，快门开启时间（曝光）T。 2．根据后验知识判断： 图象的各元件：线 、边 、点 当不知退化过程或过程复杂时，只能用退化图象本身来估计：h(x，y)。 例如：1 天文上一个星的退化图像－－模糊图象即为该点图象的点扩展函数。 2 利用线退化图象来确定h(x,y)。 1) 根据线退化提取h(x,y) 理想线 , 退化为 . y x x y u v H