数字图象处理 第八章 图象恢复.pdf

第八章 图像恢复 图像恢复的目的是去除或减少在获取或记录图像的过程中引入的一些使图像质量变坏 的因素。例如光学系统的问题(聚焦不当) ，目标运动使得图像模糊，光源或电子器件引起的噪 声，其他不可控因素，如卫星或天文图像中的大气干扰，水下摄影中的水流影响等等。早期 图像处理中的很大一部分工作都集中在这一领域。下面先解释模糊是怎麽来的，建立相应的 模型。再看看数学上如何处理，最后再讲解怎样进行图像恢复。 §8.1 退化模型 8.1.1 物理模型 退化图像是理想图像经过点源传播函数的作用后形成的，因此可用卷积来描述，如下述 简单模型所示。理想光源（或图像）上的一个点，由于系统设置不当（如成像装置不在焦平 面上），对应于此点的像成了一个圆面（图 8.1 ），从而使图像变得模糊（图 8.2 ），甚至更 为复杂的图像（图 8.3 b ），称此为点源传播函数。而生成图正是所有点经点源传播函数的作 用后叠加而成（卷积）。 图 8.1 简单光学模型: 如果相机不在焦平面上，一个点的像就成了小圆盘。 图 8.2 聚焦合适（左）与聚焦不准（右）的摄影 (a) (b) (c) 图 8.3 点传播函数以及它们引起的图像模糊 (a)原图(右面不全) ； (b)点源传播函数；(c)产生的模糊图像。 101 当然，还有其它引起图像模糊的原因。例如，天文图像中由于大气干扰引起的图像模糊 （图8.4 ），和交通监控、体育摄影等运动图像（图 8.5 ）中由于速度太快引起的图像模糊。 图 8.4 大气干扰引起的的星云图像模糊 图 8.5 运动引起的图像模糊 8.1.2 系统模型 由系统的观点来看，退化图像是理想信号经过系统时由于信号的响应不理想形成的。输 入信号 f(x,y)经过系统 H 的作用，加上噪声n(x,y)后，输出变成了 g(x,y), 如下图所示。 n(x,y) f(x,y) H + g(x,y) 图 8.6 图像退化模型 8.1.3 线性和空间不变性 图 8.6 的输入和输出关系可以表示成 g (x , y ) H [ f (x , y )] +n(x , y ) (8.1) 为简化讨论起见，先假定噪声不存在，即n(x, y ) 0 线性是说，如果运算（关系）H 满足 H [k f (x , y ) +k f (x , y )] k H [ f (x , y )]+k H [ f (x , y )] (8.2) 1 1 2 2 1 1 2 2 其中， k , k 是常数，f (x ,y ), f (x ,y ) 是任意两个输入图，则称 H 是线性的。 1 2 1 2 当k k 1时(8.2)变成了 1 2 H [ f (x , y ) + f (x , y )] H [ f (x , y )]+H [ f (x , y )] (8.3) 1 2 1 2 称之为可加性。即 102 如果