数字图像恢复.pptVIP

第7章 图像恢复 第7章 图像恢复 (Image Restoration) 计算机科学系 第7章 图像恢复 图像恢复: Image Restoration 也称图像复原，图像处理中的一大类技术 图像恢复vs.图像增强 相同之处： 改进输入图像的视觉质量 不同之处： 图像增强借助人的视觉系统特性，以取得较好的视觉结果（不考虑退化原因） 图像恢复根据相应的退化模型和知识重建或恢复原始的图像（考虑退化原因） 第7章 图像恢复 图像恢复方法分类 技术：无约束和有约束 策略：自动和交互 处理所在域：频域和空域 从广义的角度上来看： 几何失真（退化 ）校正（恢复 ） 投影（退化 ）重建（恢复 ） 第7章 图像恢复 7.1 退化及噪声 7.2 退化模型 7.3 无约束恢复 7.4 有约束恢复 7.5 几何变换 7.1 退化及噪声 7.1.1 图像退化示例 7.1.2 噪声及来源 7.1.3 噪声概率密度函数 7.1.1 图像退化示例 图像退化： 图像退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题 原因： 透镜像差/色差：光学系统本身 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度）：图像采集过程中产生 噪声（是一个统计过程） 抖动（机械、电子） 7.1.1 图像退化示例 实例7.1：四种类型的退化 7.1.2 噪声及来源 噪声(Noise) 最常见的退化因素之一 图像中不希望有的部分，图像中不需要的部分 如： （1）无线电中的静电干扰，道路上的喧闹声 （2）电视上的雪花 对信号来说，噪声是一种外部干扰。但噪声本身也是一种信号（携带了噪声源的信息） 7.1.2 噪声及来源 常见噪声 热噪声：与物体的绝对温度有关。也称： 白噪声 （频率覆盖整个频谱） 高斯噪声（幅度符合高斯分布） 闪烁噪声：电流运动产生。 具有反比于频率（1/f）的频谱 也称粉色噪声（在对数频率间隔内有相同的能量） 发射噪声：高斯分布（电子运动的随机性） 7.1.3 噪声概率密度函数 噪声灰度随机变量用概率密度函数（PDF）来刻画 1、高斯噪声-Gaussian 7.1.3 噪声概率密度函数 2、均匀噪声-Uniform 7.1.3 噪声概率密度函数 3、脉冲（椒盐）噪声－Impulse( Salt Pepper) 噪声脉冲可以是正的或负的 一般假设a和b都是“饱和”值：灰度的最大和最小值 双极性脉冲噪声，也称椒盐噪声 错误交换、尖峰噪声等 7.1.3 噪声概率密度函数 实例7.2: 噪音 5.4 线性平滑处理 MatLab函数 噪声函数：J=imnoise( I, type); I为原始图像 type为噪声类型，有高斯噪声gaussian 、椒盐噪声 salt pepper和乘性噪声speckle 例： I=imread(lena.tif); J=imnoise(I,salt pepper); K=imnoise(I,speckle); L=imnoise(I,gaussian); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(L); subplot(2,2,3),imshow(J); subplot(2,2,4),imshow(K); 第7章 图像恢复 7.1 退化及噪声 7.2 退化模型 7.3 无约束恢复 7.4 有约束恢复 7.5 几何变换 7.2 退化模型 7.2.1 退化模型 7.2.2 退化模型的计算 7.2.3 无约束和有约束恢复 7.2.1 退化模型 退化模型 H：退化过程 n(x, y)：加性噪声（统计特性已知） 恢复图像：在给定g (x, y)和代表退化的H的基础上得到对f (x, y)的某个近似 7.2.1 退化模型 退化系统H的性质 (1) 线性： (2) 相加性（k1 = k2 = 1 ）： (3) 一致性（f2(x, y) = 0 ）： (4) 位置（空间）不变性： 7.2.2 退化模型的计算 1-D退化过程 f (x)和h(x)卷积：采样成 2个数组，尺寸分别为A和B 为避免卷积周期重叠：