第11篇 章 图像复原 数字图像处理 .ppt

第十一章 图像复原;11.1 图像退化与复原 ; 图像复原与图像增强有类似的地方， 都是为了改善图像。但是它们又有着明显的不同。图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目，即根据退化的原因， 分析引起退化的环境因素，建立相应的数学模型， 并沿着使图像降质的逆过程恢复图像。从图像质量评价的角度来看， 图像复原就是提高图像的可理解性。而图像增强的目的是提高视感质量，图像增强的过程基本上是一个探索的过程， 它利用人的心理状态和视觉系统去控制图像质量， 直到人们的视觉系统满意为止。 ; 图像复原是利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因而，图像复原可以理解为图像降质过程的反向过程。建立图像复原的反向过程的数学模型，就是图像复原的主要任务。经过反向过程的数学模型的运算，要想恢复全真的景物图像比较困难。所以， 图像复原本身往往需要有一个质量标准， 即衡量接近全真景物图像的程度，或者说，对原图像的估计是否到达最佳的程度。 由于引起退化的因素众多而且性质不同，为了描述图像退化过程所建立的数学模型往往多种多样，而恢复的质量标准也往往存在差异性，因此图像复原是一个复杂的数学过程，图像复原的方法、技术也各不相同。 ;11.1.1 图像降质的数学模型 图像复原处理的关键问题在于建立退化模型。输入图像f(x, y)经过某个退化系统后输出的是一幅退化的图像。为了讨论方便， 把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑， 这也与许多实际应用情况一致，如图像数字化时的量化噪声、 随机噪声等就可以作为加性噪声，即使不是加性噪声而是乘性噪声， 也可以用对数方式将其转化为相加形式。 ; 在图像复原处理中， 尽管非线性、 时变和空间变化的系统模型更具有普遍性和准确性，更与复杂的退化环境相接近，但它给实际处理工作带来了巨大的困难， 常常找不到解或者很难用计算机来处理。因此，在图像复原处理中， 往往用线性系统和空间不变系统模型来加以近似。这??近似的优点使得线性系统中的许多理论可直接用于解决图像复原问题，同时又不失可用性。; 一幅连续图像f(x, y)可以看作是由一系列点源组成的。因此，f(x, y)可以通过点源函数的卷积来表示。即; 在线性和空间不变系统的情况下， 退化算子H具有如下性质: (1) 线性：设f1(x,y)和f2(x,y)为两幅输入图像，k1和k2为常数， 则 ;(2) 空间不变性: 如果对任意f ( x , y )以及a和b，有 ;式中，h(x-α, y-β)为该退化系统的点扩展函数， 或叫系统的冲激响应函数。它表示系统对坐标为(a, β)处的冲激函数δ(x-α, y-β)的响应。也就是说，只要系统对冲激函数的响应为已知，那么就可以清楚图像退化是如何形成的。因为对于任一输入f (a, β)的响应， 都可以通过上式计算出来。 此时，退化系统的输出就是输入图像信号f (x, y)与点扩展函数h(x, y)的卷积， 即 ; 图像退化除了受到成像系统本身的影响外，有时还要受到噪声的影响。假设噪声n(x, y)是加性白噪声，这时上式可写成 ; 式(11-11)和式(11-12)就是连续函数的退化模型。可见， 图像复原实际上就是已知g(x, y)求f(x, y)的问题或已知G(u, v)求F(u, v)的问题，它们的不同之处在于一个是在空域，一个是在频域。 显然，进行图像复原的关键问题是寻找降质系统在空间域上的冲激响应函数h(x, y)，或者降质系统在频率域上的传递函数H(u, v)。一般来说，传递函数比较容易求得。因此，在进行图像复原之前，一般应设法求得完全的或近似的降质系统传递函数，要想得到h(x, y), 只需对H(u, v)求傅立叶逆变换即可。;11.1.2 离散图像退化的数学模型 1. 一维离散退化模型 设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应函数，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积，即 ;(11-13a); 因为fe(x)和he(x)已扩展成周期函数，故ge(x)也是周期性函数， 用矩阵表示为 ;因为he(x)的周期为M，所以he(x)=he(x+M)，即 ;M×M阶矩阵H可写为 ;可将式（11-15）写成更简洁的形式，即 ; 2. 二维离散模型 设输入的数字图像f(x, y)大小为A×B，点扩展函数h(x,