第五篇 章 图像复原 数字图像处理课件（冈萨雷斯）.ppt

线性、位置不变的退化 输入(激励) ：δ(x-α,y-β) 响应 ：Hδ(x-α,y-β) =h(x, α;y, β) h(x,y)是成象系统的冲激响应 (在光学系统中称点扩展函数)。 H——线性运算算子。 若输入为f(x,y)，响应为g(x,y)，则： 线性、位置不变的退化 (1)如果线性成象系统的冲击响应是理想的，即： Hδ(x-α,y-β) =δ(x-α,y-β) 那么 形成的图象g(x,y)就和原始图象一样，不产生模糊。 线性、位置不变的退化 (2)若冲激响应不是理想的，即： 因而造成图象模糊。通常把成象系统考虑成为线性位移不变系统，即 对于任意输入f，已知线性系统的冲激响应，就可以计算出它的响应g。结果是冲激响应和输入函数的简单卷积。 线性、位置不变的退化 (3)退化的另一种现象,噪声污染,假定噪声是加性的,那么退化模型为 傅氏变换 估计退化函数 主要方法 图像观察估计法 试验估计法 模型估计法 使用以某种方式估计的退化函数复原一幅图像的过程有时称为盲目去卷积，因为真正的退化函数很少能完全知晓。 自适应滤波器 滤波器的预期性能如下： (3)如果两个方差相等，希望滤波器返回区域 Sxy 上像素的算术均值。 (1) 如果 ，滤波器返回g(x,y) ；因为零 噪声时g(x,y)=f(x,y) ； (2)如果局部方差与 是高相关的，那么滤波器要返回一个g(x,y)的近似值。 自适应表达式可以写成： 自适应局部噪声消除滤波器 a)由0均值和方差为1000的加性高斯噪声污染的图像 b)7*7算术均值滤波处理后图像 c) 7*7几何均值滤波处理后图像 d) 7*7自适应噪声消除滤波器处理后图像 滤波效果与算术、 几何均值滤波器相 近，但图像更尖锐些。 自适应中值滤波器 中值滤波器只要冲激噪声的空间密度不大，性能将会很好。自适应中值滤波器可以处理具有更大概率的冲激噪声。自适应中值滤波器的另一个优点是，平滑非冲激噪声时可以保存细节，这是传统中值滤波器做不到的。 自适应中值滤波器 如下标记符号： zmin=Sxy中灰度级的最小值 zmax=Sxy中灰度级的最大值 zmed=Sxy 中灰度级的中值 zxy在坐标(x,y)上的灰度级 Smax=Sxy允许的最大尺寸 自适应中值滤波器 自适应中值滤波器算法工作在两个层次，定义为A层和B层，如下所示： A层： A1=zmed-zmin A2=zmed-zmax 如果A10且A20，转到B层 否则增大窗口尺寸 如果窗口尺寸≤Smax重复A层，否则输出zxy B层： B1=zxy-zmin A2=zxy-zmax 如果B10且B20，输出zxy重复A层，否则输出zmed 自适应中值滤波器 该算法有3个主要目的： 除去“椒盐”噪声(冲激噪声)； 平滑其他非冲激噪声； 并减少如物体边界细化或粗化等失真。 zmin和zmax的值进行统计后被算法认为是类冲激式的噪声成分，即使它们在图像中并不是最低和最高的可能像素值。 自适应中值滤波效果 a)Pa=Pb=0.25的椒盐噪声污染的图像 b) 7*7中值滤波处理后图像 c) Smax=7的自适应中值滤波处理后图像 噪声去除水平与中值滤波效果相近，但图像保持了点的 尖锐性及其细节。 频率滤波削减周期噪声 本节介绍能削减或消除周期性噪声的专用带阻、带通和陷波滤波器。 带阻滤波器 带通滤波器 陷波滤波器 最佳陷波滤波器 带阻滤波器 带阻滤波器消除或衰减了傅里叶变换原点处的频段。带阻滤波器的主要应用之一是在频率域噪声分量的一般位置近似已知的应用中消除噪声。理想带阻滤波器的表达式为： 其中，D(u,v)是到中心化频率矩形原点的距离，W是频带的宽度，D0是频带的中心半径。 带阻滤波器 n阶巴特沃思带阻滤波器的表达式为： 高斯带阻滤波器的表达式为： 带阻滤波器 (a)理想带阻滤波器 (b)巴特沃思带阻滤波器 (c)高斯带阻滤波器 利用带阻滤波器消除周期性噪声 (a) 被正弦噪声污染的图像 (b) 图(a)的频谱 (c) 巴特沃思带阻滤波器 (d) 滤波效果图 带通滤波器 带通滤波器执行与带阻滤波器相反的操作。带通滤波器的传递函数Hbp(u,v)是根据相应的带阻滤波器的传递函数Hbr(u,v)并应用下式： 得到的。 带通滤波器 Hbp(u,v)=1-Hbr(u,v) 理想带通滤波器的表达式： 带通滤波器 Hbp(u,v)=1-Hbr(u,v) 理想Butterworth带通滤波器的表达式： 带通滤波器 Hbp(u,v)=1