第7章图像复原.ppt

第六章图像复原 第七章 图像复原 目的：改善图像的质量。 退化：图像质量的降低叫退化。 图像恢复与图像复原有什么区别呢？ 图像恢复是以某种试探的方式改善图像的质量。 图像复原是以退化图像为依据，根据某些先验知识，设计一种数学模型，从而估算出原图像的一种操作。 第一节 退化的数学模型（1） 图像退化过程模型化是因为有一个退化系统H，输入图像经退化系统作用后，输出的便是退化了的图像。 数学模型 f(x,y) 是一黑白静止的平面图像，经退化系统H作用后，输出了退化图像 g(x,y)，其数学模型如下： f(x,y) H + g(x,y) n(x,y) 式中 n(x,y) 表示噪声 g(x,y) = H [f(x,y) + n(x,y)] f(x,y) = [H / g(x,y)] - n(x,y) 一、退化模型与复原的基本过程 第一节 退化的数学模型（2） 上式中，若暂时不考虑噪声n(x,y)的影响，则为 g(x,y) = H f(x,y) f(x,y) = g(x,y) / H g(x,y) 是已知的，要求 f(x,y) 关键是退化系统H，下面将对系统H加以讨论。 1， H 是线性系统 若输入为f1(x,y)和f2(x.y)，并对应的输出为g1(x,y) 和g2(x,y) ，则系统H满足： H [ k1 f1(x,y)+k2f2(x.y)] = H [k1 f1(x,y)] + H [k2f2(x.y)] = k1 H f1(x,y) + k2 H f2(x.y) = k1g1(x,y) +k2 g2(x,y) 式中 k1 ,k2 为常数 第一节 退化的数学模型（3） 2，H是空间（位置）不变系统 H f ( x - α ，y - β ) = g ( x - α ，y - β ) α ，β为空间位置的位移量。 二、连续函数的退化模型 令，f ( x ，y ) 为连续函数， g ( x ，y )为退化函数， 则退化模型为： g ( x ，y ) = H f ( x ，y ) （1） = H ∫∫ f ( α,β ) δ( x – α, y - β ) d αd β 第一节 退化的数学模型（4） 因为 H 是线性的， g ( x ,y ) = ∫∫ H f ( α,β ) δ( x – α, y - β ) dαdβ 因为 H 仅与 x , y 有关，所以 g ( x ,y ) = ∫∫ f ( α,β ) H δ ( x – α, y - β ) dαdβ 第一节 退化的数学模型（5） 令， h ( x , α, y, β) = H δ ( x – α, y - β ) 称为系统的点扩展函数或系统的脉冲响应 g ( x ,y ) = ∫∫ f ( α,β ) h ( x , α, y, β) dαdβ 根据系统的空间不变性， h ( x , α, y, β) = h ( x -α, y -β) g ( x ,y ) = ∫∫ f ( α,β ) h ( x -α, y -β) dαdβ 第一节 退化的数学模型（6） 用卷积表示 g ( x ,y ) = h ( x , y) * f (x , y) 两边取富里叶变换， G ( u , v ) = H ( u , v ) F ( u , v ) 式中， G ( u , v ) ： g ( x ,y ) 的富里叶变换； F ( u , v ) ： f (x , y)的富里叶变换； H ( u , v ) ：h ( x , y)的富里叶变换， 也叫退化系统的传递函数。 第一节 退化的数学模型（7） 在考虑有噪声的情况下，连续函数的退化模型为： g ( x ,y ) = ∫∫ f ( α,β ) h ( x -α, y -β) dαdβ+ n(x , y) g ( x ,y ) = h ( x , y) * f (x , y) + n(x , y) G ( u , v ) = H ( u , v ) F ( u , v ) + N ( u , v ) 三、离散函数的退化模型 1，一维离散函数的退化模型 为了讨论方便，先从一个例子出发。 假设: f(x)是输入函数，x 的取值为0，1，2，…A-1； h(x) 是退化系统的脉冲相应， x 的取值为0，1，2，…B-1 例: f(x) 的取样点 A=4， 即 f(0)，f(1)，f(2)，f(3)； h(x) 的取样点 B=3 ， h(0)，h(1)，h(