数字图像处理学5.ppt

图像复原 图像复原是通过分析图像退化的模型来重建 和恢复一幅退化的图像。图像复原研究的重点 是退化现象模型化及复原的解决方案公式化。 图像增强主要是对图像进行主观上的处理， 以满足人类视觉系统的物理特性；而图像复原 主要是对图像进行客观上的处理，产生一个希 望结果的最优估计。 图像退化的模型 g(x,y)为退化后的图像；H为退化函数； f(x,y)为原输入图像； η(x,y)为加性噪声 复原的目标 得到原图像的一个估计图像 ,使这个 估计尽可能地接近原始的输入图像。对H和η 知道得越多， 就越接近f(x,y)。 图像退化/复原处理的模型 线性空间不变系统的退化模型 假定成像系统是线性空间不变系统 ,则获取的 图像g(x,y)表示为： g(x,y)= f(x,y)* h(x,y)+η(x,y)h(x,y)是退化函数的空间表示，又称点扩散函数。上述的模型用等价的频域表示为： G(u,v)＝H(u,v)F(u,v)＋N(u,v) H(u,v)是退化函数的频域表示，又称光学传递函数。 模拟噪声的行为和影响的能力是图像复原的 核心。 使用函数imnoise添加噪声 g=imnoise(f,type,parameters) 其中：f 是输入图像，在添加噪声之前，转换 为范围[0,1]内的double类图像。type表示噪声 的类型，parameters表示噪声的参数。 g=imnoise(f,‘gaussian’,0.4,0.01)； %添加均值为0.4，方差为0.01的噪声 使用指定的分布产生空间随机噪声 空间噪声值是随机数，以概率密度函数(PDF) 或相应的累积分布函数(CDF)表征。 用函数imnoise可以生成高斯随机数生成器； 也可以用函数rand生成均匀随机数；使用函数 randn生成正态随机数。 若w是一个在区间（0,1）内均匀分布的随 机变量，则可以通过求解下面的方程来得到 具有指定CDF和Fz的一个随机变量z: 使用均匀随机数生成具有瑞利CDF的随机数 R=a+sqrt(b*log(1-rand(M,N))); A=rand(M,N) 该函数将产生一个大小为MXN的数组，这个 数组的元素为在区间(0,1)内均匀分布的数。 A=randn(M,N) 生成一个大小为MXN的数组，它的元素是零 均值、单位方差的正态数 表达式 称为随机数生成器方 程。正像具有瑞利分布的变量那样，找到CDF 和逆CDF的一个闭合形式的解是可能的。生成 具有指定分布随机噪声的问题变成了寻找一个 可适用的随机数生成器方程的问题。 函数find 函数find返回数组的索引： I=find(A); %返回I中所有数组A的索引 [r,c]=find(A)；%返回矩阵 A的非零元素的行 和列索引 [r,c,v]=find(A)；%返回行索引和列索引，并 以列向量v返回A的非零值。 I=find(A128); A(I)=0; imnoise2函数 自定义函数，产生一个大小为M×N的噪声数 组R。与imnoise不同， imnoise输出一个有噪 声的图像，而imnoise2产生噪声模式本身。 function R = imnoise2(type, M, N, a, b) if nargin == 1 a = 0; b = 1; M = 1; N = 1; elseif nargin == 3 a = 0; b = 1; end switch lower(type) case uniform R = a + (b - a)*rand(M, N); case gaussian R = a + b*randn(M, N); case salt pepper if nargin = 3 a = 0.05; b = 0.05; end if (a + b) 1 error(‘The sum Pa + Pb must not exceed 1.’) end R(1:M, 1:N) = 0.5; X = rand(M, N); c = find(X = a);