图像复原imagerestoration.pdf

第六章 图像复原 第六章 图像复原 （Image Restoration ） 图像增强：用适当方式改善图像质量，增强图像的视觉效果，以适 应人眼的视觉和心理，不用考虑增强处理后的图像是否符合原有图像，是 否失真。 图像复原：试图利用退化过程的先验知识，去恢复已被退化图像的 本来面目。 成像系统受各种因素的影响，导致了图像质量的降低，或者说是退 化。由于获得图像的方法不同（光学、光电子或电子等），有多种退化形 式，都使成像的分辨率和对比度退化，例如： 传感器噪声 摄像机聚焦不佳 物体与摄像机之间的相对移动 随机大气湍流 光学系统的象差 成像光源和射线的散射 图像退化的主要表现形式： 图像模糊 图像受到干扰 由于成像系统造成图像退化的典型现象是模糊，所以图像复原的一 个基本任务就是去模糊。 1 第六章 图像复原 由于图像复原是建立在比较严格的数学推导之上的，存在较复杂的 数学运算是本章特点。 建模 → 拟合图像 ↓ 连续数学 离散数学 图像复原的基本思路：先建立退化的数学模型，然后根据该模型对 退化图像进行拟合。 图像复原模型可以用连续数学和离散数学处理，处理项的实现可在空 间域卷积，或在频域相乘。 2 第六章 图像复原 6.1 图像退化模型[1－4] 设一成像系统的物像映射关系（或说退化图像）为 g (x, y ) T {f (x, y )} 式中 g (x, y ) ：输出的退化函数或称退化图像； f (x ,y ) ：输入的图像函数； T {}i ：成像系统作用的运算符，可以认为是线性算子。 按照线性系统的性质： f (x , y ) δ 复杂激励 ＝无数个 函数激励之和 利用δ 函数的选择性，可以把图像f (x , y ) 用二维δ(x , y ) 函数的二 维卷积表示出来 +∞ f (x , y ) f (α, βδ) (x =−α, y −β)dαd β ∫∫ 。 −∞ 退化图像： ⎧+∞ ⎫ =− − g (x, y ) T ⎨∫∫f (α, βδ) (x α, y β)dαd β⎬ ⎩−∞ ⎭ +∞ =− − f (α,β )T δ x α y β dαdβ