数字图像处课件Lecture08 Image Restoration.ppt

* 加性噪声逆滤波恢复法 实际获取的影像一般有噪声，因而求出的结果一般来说只是F(u,v)的估计值 再作傅立叶逆变换得 * 加性噪声逆滤波恢复法 若噪声为零，则采用逆滤波恢复法能完全再现原图像 若噪声存在，而且H(u,v）很小或为零时，则噪声被放大 这意味着退化图像中存在的小噪声干扰在H(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非 * 加性噪声逆滤波恢复法 为此改进的方法有： 在H(u,v)=0及其附近，人为设置H(u,v)的值，使N(u,v)/H(u,v)不会对F(u,v)产生太大影响 使1/H(u,v)具有低通滤波性质 * 加性噪声逆滤波恢复法 * 加性噪声逆滤波恢复法 几何校正 * 几何校正 图像在生成过程中，由于系统本身具有非线性或者拍摄角度不同，较容易产生几何失真现象 发生几何失真的原因是像素的位置、坐标发生了改变，有的地方扭曲，变得密集，有的地方宽松，变得方便 * 几何校正 * 几何校正 当对图像做定量分析时，就要对失真图像进行精确的几何校正，即将存在几何失真的图像校正为五几何失真的图像 步骤为： 1）完成图像空间坐标的变换 2）确定校正空间各像素的灰度值 * 空间坐标变换 有两幅图像，一幅为没有畸变的基准图像（由没有畸变或畸变小的摄像系统获得），另一幅为发生畸变的图像，是被校正图像 设两幅图像坐标系统之间几何畸变关系能够用解析式来描述： * 空间坐标变换 (x,y) (x’,y’) 若h1和h2均已知，则可以从一个坐标系统的像素坐标计算出另一个坐标系统的对应像素的坐标 * 空间坐标变换 若h1和h2未知，则首先需要使用某种类型的函数来估算 一般采用二元（x和y的）函数来近似 时 时 * 空间坐标变换 已知h1和h2情况（直接法） 解求未知参数；然后从畸变图像出发，根据上述关系依次计算每个像素的校正坐标，同时把像素灰度值赋予对应像素，这样生成一幅校正图像 * 空间坐标变换 已知h1和h2情况（直接法） 但该图像像素分布是不规则的，会出现像素挤压、疏密不均等现象，不能满足要求。因此最后还需对不规则图像通过灰度内插生成规则的栅格图像 * 空间坐标变换 已知h1和h2情况（间接法） 设恢复的图像像素在基准坐标系统为等距网格的交叉点，从网格交叉点的坐标（x,y）出发，若干已知点，解求未知数。根据 推算出各格网点在已知畸变图像上的坐标(x’,y’)。 * 空间坐标变换 由于(x’,y’)一般不为整数，不会位于畸变图像像素中心，因而不能直接确定该点的灰度值，而只能在畸变图像上，由该像点周围的像素灰度值通过内插，求出该像素的灰度值，作为对应格网点的灰度，据此获得校正图像 * 空间坐标变换 未知h1和h2情况，需首先求解或者估算h1和h2 线性畸变 需要3对对应点解出未知系数 二次畸变 需要6对对应点解出未知系数 时 时 * 像素灰度内插方法 常用的像素灰度内插法有： 最近邻元法 双线性内插法 三次内插法三种 * 最近邻元法 在待求点的四邻像素中，将距离这点最近的相邻像素灰度赋给该待求点 该方法最简单，效果尚佳，但校正后的图像有明显锯齿状，即存在灰度不连续性 * 陷波滤波器 对应的带通滤波器为： * 陷波滤波器 * 最佳陷波滤波器 复杂干扰，周期性图像退化的例子，下图是“水手6号”拍摄的火星地形的数字图像，噪声干扰模式相当精细，从频谱观察，很难把噪声从图像中区分开 * 最佳陷波滤波器 解决方案： 1：创建陷波带通滤波器H(u,v)，对图像的傅立叶频谱G(u,v)进行剔除，留下认为是噪声的频谱（通常需要通过观察，交互式地创建） 频率域： 空间域： * 最佳陷波滤波器 解决方案： 获取到噪声 后，只需从图像中减去噪声即可恢复原图像： 2：由于陷波带通滤波器是由观察后交互式构建得到的，因此仅仅是一个干扰模式的近似值，需要通过算法进一步对这个模式进行调整，即： * 最佳陷波滤波器 使用权值函数对图像复原的过程进行控制，问题是如何得到调制(权值)函数 一种方法就是选取调制函数，使得复原出的图 像 在每一个像素的指定邻域上的方差最小 * 最佳陷波滤波器 设 上某像素(x,y)大小为 的邻域，该邻域方差： 平均值 * 最佳陷波滤波器 简化：设 在整个邻域中保持不变，即： 代入得： * 最佳陷波滤波器 要方差最小，即偏导数为0达到极值 解得： 由于假定在邻域中 是常数，因此可以 对这个邻域中的点都使用相同的 * 最佳陷波滤波器 * 观察法估计退化函数 如果只有退化后的图像，而没有原图像的相关信息，则需要估计退化函数 为了简单化，首