数字图像处理课件-第5章.pptVIP

张立保 模糊点源以获得转移函数 将点源图象看做单位脉冲函数（F [? (x, y)] = 1）的近似 则有 G(u, v) = H(u, v) F(u, v) ? H(u, v) 图象退化和恢复示例 退化图 滤波器 除去零点 减少振铃 5.3.1 逆滤波 张立保 5.3.1 逆滤波 图像逆滤波演示： 张立保 匀速直线运动 5.3.2 消除匀速直线运动模糊 T: 采集时间长度 x方向运动分量 y方向运动分量 张立保 水平方向匀速直线运动 x0(t) = ct / T ，y0(t) = 0 当n为整数时，H在u = n/c处为零 当 f (x, y)在区间0 ≤ x ≤ L之外为零或已知时 5.3.2 消除匀速直线运动模糊 张立保 维纳（Wiener）滤波器 一种最小均方误差滤波器 设 Rf 是 f 的相关矩阵 Rf 的第 ij 个元素是E{fi fj}，代表 f 的第 i 和第 j 元素的相关 设 Rn是n 的相关矩阵 5.4 维纳滤波 张立保 根据两个象素间的相关只是它们相互距离而不是位置的函数的假设，可将 Rf 和 Rn 都用块轮换矩阵表达，并借助矩阵W来对角化： A中的元素：fe(x, y)的功率谱，记为Sf (u, v) B中的元素：ne(x, y)的功率谱，记为Sn(u, v) 对比（轮换矩阵对角化） D是1个对角矩阵，D(k, k) = ?(k) 5.4 维纳滤波 张立保 滤波器推导 定义 代入 得 两边同乘以W –1 5.4 维纳滤波 * 第*页 第11、12讲 张立保 北京师范大学信息科学学院 2007. 7 张立保 第5章 图象恢复 5.1 退化及噪声 5.2 退化模型和对角化 5.3 无约束恢复 5.4 维纳滤波 5.5 投影重建概述 张立保 图象恢复 也称图象复原，图象处理中的一大类技术 图象恢复vs.图象增强： 相同之处：改进输入图象的视觉质量 不同之处：图象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） 图象恢复根据相应的退化模型和知识重 建或恢复原始的图象（考虑退化原因） 第5章 图象恢复 张立保 图象恢复方法分类 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5章 图象恢复 张立保 5.1 退化及噪声 5.1.1 图象退化示例 5.1.2 噪声及来源 5.1.3 噪声概率密度函数 张立保 5.1.1 图象退化示例 图象退化 图象退化指由场景得到的图象没能完全地反映场景的真实内容，产生了失真等问题 透镜象差/色差 聚焦不准（失焦，限制了图象锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 张立保 5.1.2 噪声及来源 常见噪声 热噪声：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：具有反比于频率（1/f）的频谱 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） 张立保 5.1.3 噪声概率密度函数 1、高斯噪声 噪声灰度 随机变量 用概率密 度来刻画 张立保 5.1.3 噪声概率密度函数 2、均匀噪声 张立保 5.1.3 噪声概率密度函数 3、脉冲噪声 噪声脉冲可以 是正的或负的 一般假设a和b 都是“饱和”值 双极性脉冲噪声 也称椒盐噪声 张立保 5.1 退化和噪声 图像中常见噪声模型演示： 高斯噪声： 均匀噪声： 脉冲噪声： 张立保 5.2 退化模型和对角化 5.2.1 退化模型 5.2.2 退化模型的计算 5.2.3 轮换矩阵对角化 张立保 5.2.1 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） 恢复图象：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 张立保 5.2.1 退化模型 退化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： 张立保 5.2.2 退化模型的计算 1-D退化过程 卷积 f (x)和h(x)：采样 ? 2个数组 A和B 为避免