海南大学数字图像处理实验.docVIP

实验五、图象复原 实验目的 了解图象退化的几种原因； 掌握对相应退化原因的复原方法。 二、实验内容 使用函数fspecial( )和imfilter( )模拟产生退化图象； 对于不同的噪声引起图像的退化，采用不同的滤波方法复原图象。 学会使用维纳滤波器deconvwnr()函数对图像进行复原的方法。 三、实验步骤 加性噪声退化图象 用 imnoise( )函数给图象加噪声，如增加高斯白噪声。使用平滑滤波器对其进行滤波，可达到复原图像的效果 x=imread(‘cameraman.tif’); x=imnoise(x,’gaussian’) imshow(x) 加噪声后图象 h=fspecial(‘average’) y=imfilter(x,h); figure imshow(y) 平滑滤波后 2、周期噪声退化图像 对于周期噪声可以通过频域滤波来减弱或消除，实现复原图像。实验五文件夹中有被正弦周期噪声污染退化的图像pout_g_64.bmp，使用理想带阻滤波器对其频域滤波，复原图像。 (1) pout_g_64.bmp图像及其傅立叶谱见下图。 (2) 构造理想带阻滤波器 close all x=imread(pout_g_64.bmp); xm=size(x,1); xn=size(x,2); M2=floor(xm/2); N2=floor(xn/2); u=-M2:1:M2-1; v=-N2:1:N2-1; [U,V]=meshgrid(u,v); D=sqrt(U.^2+V.^2); D0=64;W=4; H=double(D(D0-W/2)|D(D0+W/2)); figure Mesh(U,V,H) ; title(D0=64,W=4,理想带阻滤波器) 思考： 使用上述理想带阻滤波器对’pout_g_64.bmp’图像进行频域滤波，得到复原图像，结果类似下图。 代码如下： close all x=imread(pout_g_64.bmp); xm=size(x,1); xn=size(x,2); M2=floor(xm/2); N2=floor(xn/2); u=-M2:1:M2-1; v=-N2:1:N2-1; [U,V]=meshgrid(u,v); D=sqrt(U.^2+V.^2); D0=64;W=4; H=double(D(D0-W/2)|D(D0+W/2)); figure Mesh(U,V,H) ; title(D0=64,W=4,理想带阻滤波器) F=fft2(x); G=H.*fftshift(F); %需要中心平移 g=ifft2(ifftshift(G)); %反中心平移 figure % tu 2 subplot(121); imshow(real(G)); title(频域滤波) subplot(122); imshow(uint8(real(g))); title(滤波后图象) 3、运动模糊退化图像 给图像添加运动模糊，使用deconvwnr（）维纳滤波器进行图像复原。 close all I=imread(cameraman.tif); imshow(I) title(original image) len=31; theta=10; PSF=fspecial(motion,len,theta); % len模糊长度，theta运动角度 Iblurred=imfilter(I,PSF,circular,conv); %对图像进行运动模糊 figure imshow(Iblurred) title(blurred image) 原始图象 添加运动模糊后图象 Irestored=deconvwnr(Iblurred,PSF);%使用维纳滤波器复原图像 figure imshow(Irestored) title(retored image) 使用维纳滤波器复原后图像 思考： 修改deconvwnr()函数的参数PSF，使len和theta分别为原来的2倍，观察结果，体会真实PSF在图像复原中的重要性。 PSF1=fspecial(motion,2*len,theta)，PSF2=fspecial(motion,len,2*theta) 代码如下： lose all I=imread(cameraman.tif); imshow(I) title(original image) len=31; theta=10; PSF1=fspecial(motion,2*len,theta); PSF2=fspecial(motio