第六讲 图像复原.pptxVIP

图像复原 第六讲 图像复原 6.1 概述 6.2 图像退化数学模型 6.3 无约束图像复原 6.4 有约束图像复原 6.5 几何失真校正 图像复原 6.1 概述 在各类图像系统中，图像传送和转换，如成像、复制、扫描、传输及显示等，造成图像质量降低。 图像退化：图像质量的变坏。 引起图像退化的原因： 成像系统的散焦； 成像设备与物体的相对运动； 成像器材的固有缺陷； 外部干扰等。 图像复原 摄像机等导致的几何畸变 桶形畸变 枕形畸变 图像复原 图像模糊 图像复原 运动模糊 图像复原 图像复原：将图像退化的过程模型化，并且采用相反的过程来恢复出原始的图像。 退化图像 复原图像 理想图像 图像复原 图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真。 在图像退化确知的情况下，图像退化的逆过程是有可能进行的，这属于反问题求解。 图像复原的本质： 图像复原 图像复原存在的困难： 实际情况经常是退化过程并不知晓，这种复原属于盲目复原。 􀀹由于图像模糊的同时，噪声和干扰也会同时存在，这也为复原带来了困难和不确定性。 图像复原 图像复原技术分类： 在给定退化模型条件分为：有约束和无约束； 根据所在的域：频域和空间域。 本讲首先介绍图像退化模型，然后是几种复原方法，如反向滤波图像复原、维纳滤波图像复原、几何校正等。 图像复原 6.2 图像退化数学模型 6.2.1图像退化模型 图像复原的关键技术之一就是建立一个能够反映图像退化原因的图像退化模型。 复杂的退化环境具有非线性、时变和空间变化的系统模型，但处理复杂。 采用线性空间不变模型近似。 图像复原 图6－1 图像退化模型 f(x,y)为原始图像，g(x,y)为退化图像。 n(x,y)为噪声，在实际应用中假设噪声是白噪声，图像平面上不同点的噪声是不相关的，它的频谱密度为常数。 H为退化系统（或退化算子)。 图像复原 图像退化和复原模型 图像复原 退化系统为具有线性和空间不变性。 退化模型的输入和输出满足下面关系： 图像复原 6.2.2 常见图像退化模型 一、连续函数退化模型 二维卷积定义： 图像复原 H为一线性算子，所以h(x,y)为单位冲激响应函数。 H为线性空间不变系统，对任意输入信号的响应为： 图像复原 不考虑噪声的情况下，退化模型的响应为： 有噪声的情况下，退化模型的响应为： 有位移的情况下，退化模型的响应为： 图像复原 频域中： 其中，G(u, v)、F(u, v)、N(u, v)分别是退化图像g(x, y)、原图像f(x, y)、噪声信号n(x, y)的傅立叶变换；H(u, v)是系统的冲激响应函数h(x, y)的傅立叶变换，称为系统在频率域上的传递函数。 图像复原 二、离散函数退化模型 1、一维情况： 设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应函数，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积，即 g(x)=f(x)*h(x) 图像复原 为了避免上述卷积所产生的各个周期重叠（设每个采样函数的周期为M），分别对f(x)和h(x)用添零延伸的方法扩展成周期M=A+B-1的周期函数，即 图像复原 因为fe(x) 和he(x)的周期为M,所以ge(x)的周期也是M。可以用矩阵表示： 图像复原 图像复原 根据he(x)＝he(x＋M),所以H的表达式可以改写为： H是循环矩阵，即每行最后一项等于下一行的最前一项，最后一行的最后一项等于第一行最前一项。循环矩阵相加或相乘得到的还是循环矩阵。 图像复原 2、二维情况： 设输入的数字图像f(x, y)大小为A×B，退化函数h(x, y)被均匀采样为C×D大小。为避免交叠误差，仍用添零扩展的方法，将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。 图像复原 所以降质图像为： 考虑噪声的情况: 图像复原 用矩阵表示： 其中H矩阵中的每个Hi是由函数he(x,y)的第i行而来，即： 图像复原 Hi(i=0, 1, 2,…, M-1)为子矩阵，大小为N×N，即H矩阵由M×M个大小为N×N的子矩阵组成， 称为分块循环矩阵。 图像复原 上述线性空间不变退化模型表明，在给定了g(x, y)，并且知道退化函数h(x, y)和噪声分布n(x, y)的情况下，可估计出原始图像f(x, y)。 假