Matlab數(shù)字圖像處理6課件

第6章圖像復(fù)原技術(shù)在圖像的采集、傳送和轉(zhuǎn)換過程中，會(huì)加入一些噪聲，表現(xiàn)為圖像模糊、失真、有噪聲等。在實(shí)際應(yīng)用中需要清晰的、高質(zhì)量的圖像。圖像復(fù)原就是要盡可能恢復(fù)退化圖像的本來面目，它是沿圖像退化的逆過程進(jìn)行處理。典型的圖像復(fù)原技術(shù)是根據(jù)圖像退化的先驗(yàn)知識(shí)建立一個(gè)退化模型，以此模型為基礎(chǔ)，采用各種逆退化處理方法進(jìn)行恢復(fù)，得到質(zhì)量改善的圖像。本章將詳細(xì)的介紹圖像復(fù)原技術(shù)，主要包括圖像的噪聲模型、圖像的濾波以及常用的圖像復(fù)原方法等。6.1圖像復(fù)原技術(shù)介紹圖像復(fù)原在數(shù)字圖像處理中有非常重要的研究意義。圖像復(fù)原最基本的任務(wù)是在去除圖像中的噪聲的同時(shí)，不丟失圖像中的細(xì)節(jié)信息。然而抑制噪聲和保持細(xì)節(jié)往往是一對矛盾，也是圖像處理中至今尚未很好解決的一個(gè)問題。圖像復(fù)原的目的就是為了抑制噪聲，改善圖像的質(zhì)量。圖像復(fù)原和圖像增強(qiáng)都是為了改善圖像的質(zhì)量，但是兩者是有區(qū)別的。圖像復(fù)原和圖像增強(qiáng)的區(qū)別在于：圖像增強(qiáng)不考慮圖像是如何退化的，而是試圖采用各種技術(shù)來增強(qiáng)圖像的視覺效果。而圖像復(fù)原不同，需要知道圖像退化的機(jī)制和過程等先驗(yàn)知識(shí)，據(jù)此找到一種相應(yīng)的逆處理方法，從而得到恢復(fù)的圖像。6.2圖像噪聲模型數(shù)字圖像的噪聲主要來自圖像的采集和傳輸過程。圖像傳感器的工作受到各種因素的影響。例如在使用CCD攝像機(jī)獲取圖像時(shí)，光照強(qiáng)度和傳感器的溫度是產(chǎn)生噪聲的主要原因。圖像在傳輸過程中也會(huì)受到噪聲的干擾。圖像噪聲按照噪聲和信號(hào)之間的關(guān)系可以分為加性噪聲和乘性噪聲兩種。假設(shè)圖像的像素值為，噪聲信號(hào)為。如果混合疊加信號(hào)為的形式，則這種噪聲為加性噪聲。如果疊加后信號(hào)為的形式，則這種噪聲為乘性噪聲。6.2.2噪聲的MATLAB實(shí)現(xiàn)在MATLAB中，可以通過函數(shù)imnoise()給圖像添加噪聲，該函數(shù)可以得到高斯分布噪聲、椒鹽噪聲、泊松分布噪聲和乘性噪聲。該函數(shù)的調(diào)用格式為：J=imnoise(I,type,parameters)：該函數(shù)對圖像I添加類型為type的噪聲。參數(shù)type對應(yīng)的噪聲類型如下：'gaussian'為高斯噪聲；'localvar'為0均值白噪聲；'poisson'為泊松噪聲；'salt&pepper'為椒鹽噪聲；'speckle'為乘性噪聲。參數(shù)parameters為對應(yīng)噪聲的參數(shù)，如果不設(shè)置parameters則采用系統(tǒng)的默認(rèn)值。6.3.1均值濾波均值濾波復(fù)原包括算術(shù)均值濾波器和幾何均值濾波器。在坐標(biāo)點(diǎn)，大小為的巨型窗口表示為，算術(shù)平均值是窗口中被干擾圖像的平均值，即幾何均值濾波器復(fù)原圖像時(shí)，表達(dá)式為：逆諧波均值濾波器的表達(dá)式為：6.3.2順序統(tǒng)計(jì)濾波順序統(tǒng)計(jì)濾波包括中值濾波、最大值濾波和最小值濾波。中值濾波能夠很好的保留圖像的邊緣，非常適合去除椒鹽噪聲，效果優(yōu)于均值濾波。下面首先介紹中值濾波。在坐標(biāo)點(diǎn)，大小為的窗口表示為，中值濾波是選取窗口中被干擾圖像的中值，作為坐標(biāo)點(diǎn)的輸出，公式為：最大值濾波器也能夠去除椒鹽噪聲，但會(huì)從黑色物體的邊緣去除一些黑色像素。最大值濾波器的公式為：最小值濾波器和最大值濾波器類似，但是會(huì)從白色物體的邊緣去除一些白色像素。最小值濾波器的公式為：6.4圖像復(fù)原方法下面對圖像復(fù)原的常用方法進(jìn)行介紹，主要包括逆濾波復(fù)原、維納濾波復(fù)原、約束最小二乘法復(fù)原、Lucy-Richardson復(fù)原和盲解卷積復(fù)原等。6.4.1逆濾波復(fù)原表示輸入圖像，即理想的、沒有退化的圖像，是退化后觀察得到的圖像，為加性噪聲。通過傅立葉變換到頻域后為：圖像復(fù)原的目的是給定和退化函數(shù)，以及關(guān)于加性噪聲的相關(guān)知識(shí)，得到原圖像的估計(jì)圖像，使該圖像盡可能的逼近原圖像。用于復(fù)原一幅圖像的最簡單的方法是構(gòu)造如下的公式：然后通過的傅立葉反變換得到圖像的估計(jì)值，稱為逆濾波。逆濾波是一種非約束復(fù)原方法。非約束復(fù)原是指在已知退化圖像的情況下，根據(jù)對退化模型和噪聲的一些知識(shí)，做出對原圖像的估計(jì)，使得某種事先確定的誤差準(zhǔn)則為最小。在得到誤差最小的解的過程中，沒有任何約束條件。對于直接逆濾波，由于存在噪聲的影響，退化圖像的估計(jì)公式為：6.4.2維納濾波復(fù)原維納（wiener）濾波最早是由Wiener首先提出的，并應(yīng)用于一維信號(hào)，取得很好的效果。后來該算法又被引入二維信號(hào)處理，也取得相當(dāng)滿意的效果，尤其是在圖像復(fù)原領(lǐng)域。由于維納濾波器的復(fù)原效果好，計(jì)算量較低，并且抗噪性能優(yōu)良，因而在圖像復(fù)原領(lǐng)域得到了廣泛的應(yīng)用。許多高效的圖像復(fù)原算法都是以維納濾波為基礎(chǔ)形成的。6.4.4Lucy-Richardson復(fù)原在MATLAB軟件中，函數(shù)deconvlucy()采用加速收斂的Lucy-Richardson算法對圖像進(jìn)行復(fù)原。該函數(shù)的詳細(xì)調(diào)用格式為：J=deconvlucy(I,PSF)：該函數(shù)中對輸入圖像I采用Lucy-Richardson算法進(jìn)行圖像復(fù)原，PSF為點(diǎn)擴(kuò)展函數(shù)，返回值J為復(fù)原后得到的圖像。J=deconvlucy(I,PSF,NUMIT)：該函數(shù)中參數(shù)NUMIT為算法的重復(fù)次數(shù)，默認(rèn)值為10。J=deconvlucy(I,PSF,NUMIT,DAMPAR)：該函數(shù)中參數(shù)DAMPAR為偏差閾值，默認(rèn)值為0。J=deconvlucy(I,PSF,NUMIT,DAMPAR,WEIGHT)：該函數(shù)中參數(shù)WEIGHT為像素的加權(quán)值，默認(rèn)為原始圖像的數(shù)值。J=deconvlucy(I,PSF,NUMIT,DAMPAR,WEIGHT,READOUT)：該函數(shù)中參數(shù)READOUT為噪聲矩陣，默認(rèn)值為0。J=deconvlucy(I,PSF,NUMIT,DAMPAR,WEIGHT,READOUT,SUBSMPL)：該函數(shù)中參數(shù)SUBSMPL為子采樣時(shí)間，默認(rèn)值為1。6.4.5盲解卷積復(fù)原前面介紹的圖像復(fù)原方法，需要預(yù)先知道退化圖像的PSF。在實(shí)際應(yīng)用中，經(jīng)常在不知道PSF的情況下對圖像進(jìn)行復(fù)原。盲解卷積復(fù)原方法，不需要預(yù)先知道PSF，而且可以對PSF進(jìn)行估計(jì)。盲解卷積復(fù)原算法的優(yōu)點(diǎn)是在對退化圖像毫無先驗(yàn)知識(shí)的情況下，仍然能夠進(jìn)行復(fù)原。6.5本章小結(jié)本章詳細(xì)的介紹了利用MATLAB進(jìn)行圖像的復(fù)原。首先詳細(xì)的介紹了圖像的噪聲模型，主要包括高斯噪聲、椒鹽噪聲、均勻噪聲和指數(shù)噪聲等等，以及這些噪聲的MATLAB實(shí)現(xiàn)。然后詳細(xì)的介紹了空