第7章 图像恢复.pptx

数字图像处理 延边大学工学院计算机科学与技术系 金小峰 2016年9月 Digital Image Processing 第7章 图像恢复(Image Restoration) 7.1 图像退化 7.2 几何失真校正 7.3 噪声滤波器 7.4 组合滤波器 7.5 逆滤波* 7.6 维纳滤波* 7.7 图像修补* 图像恢复（图像复原）：图像质量在某种情况/条件下退化或恶化（品质下降、失真），根据相应的退化模型和知识重建或恢复原始的图像。即，图像的退化结果是在相应的退化模型的作用下产生的，恢复就是退化过程的逆过程。 与图像增强的异同： 图像增强的目的：改进图像或改进图像的视觉质量 图像复原需要根据一定的退化模型才能实现 图像复原是一个求逆问题。逆问题经常存在非唯一解（或无解）。为了得到逆问题的有用解，图像复原本身往往需要一个质量标准，即衡量接近全真景物图像的程度，或者说，对原图像的估计是否达到最佳的程度。需要有先验知识以及对解的附加约束条件。 由于引起退化的因素众多而且性质不同，为了描述图像退化过程所建立的数学模型是多样的，且恢复的质量标准也存在差异性，因此图像复原是一个复杂的数学过程，图像复原的方法、技术也各不相同。 7.1 图像退化 2.退化过程的模型化 退化函数 加性噪声 根据卷积定理， 必须知道噪声的统计特性以及噪声和图像信号的相关情况（非常复杂）。在实际应用中，往往假设噪声是白噪声。 不同的复原技术需要不同的有关噪声的先验信息。 3. 退化和恢复 针对各种不同的图像退化情况，可采取相应的恢复方法 几何失真（畸变）：需要通过几何变换来校正 噪声：建立噪声模型，采用图像恢复技术 由于镜头聚焦不好引起的模糊 运动模糊示例 由于运动产生的模糊 7.2 几何失真校正 几何失真：图像采集过程中，原始场景中各部分之间的空间关系与图像中各对应像素间的空间关系发生了变化，导致两者的不一致，产生了几何失真或几何畸变 需要在恢复过程的输入图（失真图）和输出图（校正图）上找一些其位置确切知道的点（称为约束对应点），利用这些点根据失真模型计算出失真函数中的各个系数 Example: 2 灰度插值 灰度插值的两种方法： 前向映射：把从实际采集到的失真图像的像素灰度赋给原始的不失真图的像素 后向映射：把灰度从原始的不失真图中映射到实际采集的失真图像素 将失真图像的灰度按插值算法分配给不失真图像的4个像素 将失真图像的4个像素灰度按插值算法分配给不失真图像的1个像素 7.3 噪声滤波器 噪声可定义为图像中不希望有的部分，或图像中不需要的部分 噪声本身也是一种信号,它携带了噪声源的信息 如果噪声与信号无关，那就无法根据信号的特性来预测噪声的特性。如果噪声是独立的，则可在完全没有所需信号的情况下对噪声进行研究 很多情况下噪声与信号相关（而且关系复杂），噪声可以看做是不确定的随机现象，可用概率和统计的方法进行处理 噪声的问题常常不能完全被看作一个纯科学或纯数学问题，有时存在很强的主观性（如，现代流行音乐对老年人来说是一种恼人的噪声，影视中的胶片划痕效果是一种艺术表现手法，……） 1 信噪比（Signal Noise Rate， SNR） 在很多情况下，噪声的（随机/规则）特性不很重要，重要的是它的强度 典型的信噪比是用能量比（或电压平方比）来定义的 信号电压 噪声电压 单位是分贝（dB） 2 几种常见噪声 一些随机噪声 随机分布的单位脉冲 较大规则间隔位置的脉冲 黑白均匀分布 3 噪声概率密度函数 由于噪声的影响，像素的灰度会发生变化。噪声本身的灰度可看做随机变量，其分布可用概率密度函数（PDF）来描述。 (1)高斯(Gauss)噪声 imnoise(I,gaussian,M,V) Gaussian white noise with constant mean and variance x = imread(cat1.jpg); x1 = imnoise(x,gaussian, 0.2, 0.02); figure; subplot(121); imshow(x); title(origin); subplot(122), imshow(x1); title(Gaussian noise); clc clear all close all x = imread(noisedemo.bmp); x = rgb2gray(x); [m n] = size(x); totalPixels = m * n; % Gauss nosie xGauss = imnoise(x, gaussian, 0.0002, 0.0002); % Histogram xHist = imhist(x) / totalPixels; xGaussHist = imh