数字图像处理理-LAMDA.PDF

数字图像处理 第九讲 图像复原 主要内容 l  图像复原与图像增强 l  重要的噪声函数 l  空间滤波器⽤于图像复原 l  频域滤波器⽤于图像复原 l  图像降质模型 l  估计退化函数 l  逆滤波与维纳滤波 l  总结 图像复原与图像增强 l  图像增强：突出图像中感兴趣的特征， ⽽衰减不需要的特征。改善后的图像不 ⼀定要逼近原图像。图像增强是个主观 的过程。 l  图像复原：根据图像降质原因，设法去 补偿降质因素，从⽽使改善后的图像尽 可能逼近原始图像。图像复原是个客观 的过程。 重要的噪声函数 l  假定噪声以某种概率分布函数给出 l  常⻅的噪声函数 l  ⾼斯噪声 l  瑞利噪声 l  伽⻢噪声 l  指数分布噪声 l  均匀分布噪声 l  脉冲噪声 ⾼斯噪声 l  ⾼斯噪声在空间域和频域上易于处理 ，常⽤于实践中 1 2 2 (z µ) /2 p p (z) = e 2⇡ 瑞利噪声 l  概率分布函数 伽⻢噪声 l  概率分布函数 指数分布噪声 l  概率分布函数 分布示意图 均匀分布噪声 l  概率分布函数 脉冲噪声（椒盐噪声） l  椒盐噪声（Salt and Pepper noise） ：椒（⿊）盐（⽩） l  概率分布函数 分布示意图 不同噪声⽐较 ⼩结 l  熟悉⾼斯噪声和椒盐噪声 l  了解其它噪声函数 周期噪声 l  这类噪声在图像获取中由电⼒或机电 ⼲扰产⽣，是具有某种频率的信号 l  这类噪声⽤传统空间域滤波器⽅法处 理不了，需要⽤频域滤波器来进⾏图 像复原。 噪声参数的估计 l  假定知道噪声类型，如何估计噪声 参数？ l  常⽤做法：根据噪声均值和噪声⽅差 ，根据概率论最⼤似然技术估计参数。 主要内容 l  图像复原与图像增强 l  重要的噪声函数 l  空间滤波器⽤于图像复原 两大类 l  频域滤波器⽤于图像复原 l  图像降质模型 l  估计退化函数 l  逆滤波与维纳滤波 l  总结 空间域滤波器⽤于图像复原 l  常⽤滤波器 l  均值滤波器 l  统计排序滤波器 l  ⾃适应滤波器 均值滤波器 l  算术均值滤波器 l  ⼏何均值滤波器 l  谐波均值滤波器 l  逆谐波均值滤波器 算术均值滤波器 l  最简单的均值滤波器 l  平滑图像的局部变化 ⼏何均值滤波器 l  ⼏何平均 谐波均值滤波器 l  谐波均值（调和平均） 逆谐波均值滤波器 l  逆谐波均值 l  Q=0，退化为算术均值滤波器 l  Q=-1，退化为谐波均值滤波器 效果图 原图 原图+高斯噪声 效果图 算术均值滤波器 几何均值滤波器 算术均值滤波器会使图像变模糊 效果图 10%的概率被“胡 10%的概率被 椒”噪声污染 “盐”噪声污染 效果图 Q=1.5处理 Q=-1.5处理 “胡椒”噪声