第六章 图像复原.ppt

第一章 绪论 第二章 图像及其数字处理基础 第三章 图像处理基本运算 第四章 图像变换 第五章 图像增强 第六章 图像复原 第七章 图像分割 第八章 彩色图像处理 概 述 图像退化：图像在形成、记录、处理和传输过程中，由于成像系统、记录设备、传输介质和处理方法的不完善，从而导致的图像质量下降。 典型表现：图像模糊、失真、有噪声等。 图片示例 受大气湍流影响及其复原图 图片示例 受正弦干扰的影响与复原图 目的：对退化的图像进行处理，试图恢复损坏的图像， 还原其真面目。 方法：根据不同的退化模型，处理技巧和估计准则，导 出各种不同的恢复方法。 基本思路 图像复原和图像增强的联系和区别： 二者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的，只通过试探各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。 而图像复原就完全不同，需知道图像退化的机制和过程的先验知识，据此找出一种相应的逆过程方法，从而得到复原的图像。如果图像已退化，应先作复原处理，再作增强处理。 图像退化与数学模型 通常将退化原因作为线性系统退化的一个因素，从而建立系统退化模型来近似描述图像函数的退化。 一幅清晰的图像f(x,y)由于通过一个系统H以及引进了加性噪声n(x,y)而退化为一幅图像g(x,y) 图像退化与数学模型 可以表示为线性位移不变系统的退化模型： 不考虑加性噪声：g(x，y)= f(x，y)* h(x，y) 考虑加性噪声：g(x，y)= f(x，y)* h(x，y)+ n(x，y) 卷积等同于频域内乘积：G(u,v)=F(u,v)H(u,v)+N(u,v) 噪声和图像 数字图像中的噪声源来自于图像获取（将连续转为数字）以及传输过程 图像传感器会受到环境的干扰 图像在传输过程中会受到的干扰 噪声模型 我们认为一幅噪声图像可以为如下模型： g(x，y)= f(x，y)* h(x，y)+ n(x，y) 其中f(x, y) 为原始图像的像素值， n(x，y)为噪声项，而g(x, y) 为最终的含有噪声的像素值。 如果我们求得这个模型中的噪声，这将有助于我们了解如何恢复图像。 噪声模型 对于图像中的噪声项 有多种不同模型： 高斯（Gaussian）噪声 瑞利（Rayleigh）噪声 伽马（爱尔兰）噪声 指数（Exponential）噪声 均匀（Uniform）噪声 脉冲（椒盐）噪声 噪声举例 右图为额外噪声演示的理想情况，下面我们会对各个噪声模型作用于图像时的结果进行演示。 下图为原始图像和其直方图 噪声举例(续…) 噪声举例(续…) 噪声去除举例(续…) 在Matlab中使用函数添加噪声 J1=imnoise (I,‘salt pepper’,d); d是噪声密度，默认值0.05. J2=imnoise (I,‘gaussian’, m, v); 默认均值是0，方差是0.01. J3=imnoise (f, ‘poisson’); 从数据中生成泊松噪声 J4=imnoise (I,‘speckle’，v); 用方程f*n*f将乘性噪声添加到图像f上，其中n是均值为0，方差为v的均匀分布的随机噪声。V的默认值为0.04. I=imread (cameraman.tif); J1=imnoise (I,salt pepper,0.02); subplot (221);imshow (J1); J2=imnoise (I,gaussian,0.02); subplot (222);imshow (J2); J3=imnoise (I,poisson); %添加泊松噪声 subplot (223);imshow (J3); J4=imnoise (I,‘speckle’); %添加斑点噪声 subplot (224);imshow (J4); 去除由匀速运动引起的模糊 去除由匀速运动引起的模糊 去除由匀速运动引起的模糊 去除由匀速运动引起的模糊 去除由匀速运动引起的模糊 Matlab运动模糊 （1）预先定义的空间滤波函数 psf=fspecial(type, parameters) 其中，type表示滤波器的类型，其值可以是gaussian，average，sobel，laplacian，prewitt，log，motion等。 fspecial返回指定滤波器的单位冲激响应。 当type为motion时，fspecial返回运动滤波器的单位冲激响应。 参数： 运动位移 运动角度 （2）图像滤波函数 imfilter(I, psf, circul