数字图像处理第四次综合作业-KaichenZhao.PDF

数字图像处理第四次综合作业 ——图像恢复 一、 作业要求 下图在拍摄时发生了散焦模糊的情况，试用 Laplace 算子约束的最小二乘方法将图片 中的人物去模糊。（注：附件中给出了 PSF 和两张模糊的图片，一张没有噪声，一张加入了 噪声，请分别将其去模糊并分析结果的差异。本图来源为人人网王建一的相册）。 二、 实验过程 1. 算法说明 使用Laplace 算子约束的最小二乘方法为图片去模糊，主要过程是： (1).取模糊图为g(x,y) ，PSF 为h(x,y)，拉普拉斯算子p(x,y) (2).对g(x,y),h(x,y),p(x,y)变换到频域，做傅里叶变换得到G(u,v),H(u,v),P(u,v) (3).对H 和P 延拓，延拓到和G 一样大小 H ∗ u,v (4).使用公式 F u, v = 2 2 G(u, v) 计算得到F(u,v) H u,v +γ P u,v 其中，H*(u,v)为H(u,v)的共轭矩阵。 (5).对F(u,v)做傅里叶反变换到时域，得到f(x,y) ，即去模糊的图。 2. 去模糊结果 可以看出，已经基本实现去模糊，但是图像边缘有明显的“波纹”——振铃效应。 3. 通过镶边去除振铃效应 镶边过程主要分为两步，  除去原图周围黑框  通过原图边缘复制延拓进行镶边 在实验中，发现加框宽度与最终效果有很重要的联系： 加框宽度edge 效果 0 7 100 400 4. 带噪声图像的处理结果 直接使用上图中带400 镶边的计算方法，得到带噪声图像如下： 对比带噪声和不带噪声的的处理结果，发现： 二者γ 取值是不同的，存在噪声时，γ 取值相对较大，图像相对不清晰，但是噪声 也不明显。 三、 问题和收获 1. 对卷积和伪逆滤波的认识 最初看到这个问题，首先考虑的是直接使用伪逆滤波，得到的结果是周期性的纹理， 为了确定自己的算法没有问题，我找到了清晰的原图，使用PSF 对图像进行卷积，然后 伪逆滤波，可以得到清楚的原图。但是将图像保存后再伪逆滤波/反卷积，就得到了周 期性的纹理。 发现网络学堂上也有同学提出这一问题，原因是保存图像后数值的小数部分被舍掉， 这一舍去导致了无法直接使用伪逆滤波。 2. 消除振铃效应 起初消除振铃效应是使用网络学堂上讨论的方法，除去黑框然后镶边，效果不能令 人满意。和同学交流后发现是因为自己镶边的宽度太小导致的。