图像复原维纳滤波边缘提取.docVIP

图像复原 1). 针对图像水平运动所引起的图像退化，给出连续函数退化模型的系统传递函数H（u,v） 2). 编程用维纳滤波实现对运动模糊图像的复原。 解： 首先将设计一个水平运动模糊滤波器对无噪的Lenna.bmp进行滤波，得到模糊后的图像，然后进行维纳滤波，也就是逆滤波（要消除H的零点，避免出现0/0）。程序如下： A=imread(Lenna.bmp); F=fft2(A); F=fftshift(F); N=512; u=1:N/2; T=1;a=0.05;%选择水平运动参数 x=pi*a*u; H=zeros(N,N); H(1,1+N/2:N)=(T./x).*sin(x).*exp(-i*x);%计算滤波系数 H(1,1:N/2)=fliplr(conj(H(1,1+N/2:N)));%利用共轭对称性 for n=2:N H(n,:)=H(1,:); end figure,mesh(abs(H))%滤波器幅度特性 G=F.*H; G=fftshift(G); AA=uint8(ifft2(G)); figure,imshow(AA)%模糊的图像 %维纳滤波，也是逆滤波 H2=H+(H==0);%去除滤波器零点，将H中的0变为1，避免后面计算出现0/0 G2=fftshift(G); F2=G2./H2; F2=fftshift(F2); A2=uint8(ifft2(F2)); figure,imshow(A2) 实验结果如下： 产生模糊图像的滤波器： 模糊后的Lenna 维纳滤波的结果： 向模糊的图片加入均值为0、方差0.001的高斯噪声（程序几乎同上，不再给出） 采用直接逆滤波（去除零点）和维纳滤波（其中K通过尝试，取10）的结果对比如下： 如果采用半径受限的逆滤波,得到结果如下： 可见，半径受限的逆滤波产生了图像模糊，同时也滤除了部分噪声，有振铃效应；而维纳滤波产生的图像更为清晰，振铃效应不明显，但是噪声比较明显。 二. 图像复原 1). 针对图像水平平移a后与原图像叠加形成的重影图像所引起的图像退化，给出连续函数退化模型的系统传递函数H（u,v） 2). 编程用维纳滤波实现对一个重影图像的复原。 解：1）设系统冲击响应为h(x,y),则 对上式做傅里叶变换，， 即为连续函数退化模型的系统传递函数H（u,v） 2） A=imread(Lenna.bmp); [M,N] = size(A); a=12; %水平位移12pixel B=[A(:,N-a+1:N) A(:,1:N-a)]; B=B*0.5+A*0.5; figure,subplot(121),imshow(B),title(重影图像（无噪）) u=1:N; H=zeros(M,N); H(1,:)=0.5*(1+exp(-1i*2*pi*(u-N/2)*a/N)); for n=2:M H(n,:)=H(1,:); end %k=10; H2=H+(abs(H)1e-10);%避免除以很小的数导致误差，去阈值为1e-10 F=fftshift(fft2(B));% F_R=F./H2;%无噪时，维纳滤波即逆滤波 %F_R=F./H2.*(1-k./(k+(abs(H2))^2));%有噪声时 A_re = uint8(real(ifft2(fftshift(F_R)))); figure, subplot(122),imshow(A_re) ,title(维纳滤波后) 向重影的图片加入均值为0、方差0.001的高斯噪声，选取合适的阈值（经试验，可取0.1,即H2=H+(abs(H)0.1)，k可取10），实验结果如下： 阈值选取过小时，噪声明显；阈值选取过大时，振铃效应明显。K增大时，噪声变小，图像亮度下降。 三 拍摄一张包含硬币、橡皮、钥匙等小物件的图像获得上述物体的边缘二值图像 解： 拍摄图像如下： 程序如下： A=imread(edge_test.jpg);%1280×960×3 A=rgb2gray(A); A=imresize(A,0.25);%为了方便在屏幕上显示，并且容易观察到细节，长宽均缩小为原来的1/4 figure,imshow(A) BW1=edge(A,sobel,0.04);%选取合适的阈值 BW2 = edge(A,prewitt,0.04); BW3 = edge(A,roberts,0.04); BW4 = edge(A,log,0.003); BW5 = edge(A,zerocross,0.003); BW6 = edge(A,canny,0.08); figure,subplot(131),imshow(BW1),title(sobel, thresh=0.04) su