资源描述：
《图像复原处理技术.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、实验五图像复原处理技术实验目的1了解图像降质退化的原因，并建立降质模型。2理解反向滤波图像复原的原理3理解维纳滤波图像复原的原理实验原理图像复原处理一定是建立在图像退化的数学模型基础上的，这个退化数学模型应该能够反映图像退化的原因。图像降质过程的模型如图5－1所示，其表达式为g(x,y)=h(x,y)*f(x,y)+n(xy)（5.1）图5－1图像降质模型1、滤波图像复原逆滤波法是最简单的图像恢复方法。对5.1式两边作二维傅立叶变换，得到G(u,v)=H(u,v)F(u,v)+N(u,v)H(u,v)为成像系统的转移函数。估算得到的恢复图像的傅立
2、叶变换Fˆ(u,v)为(5.2)若知道转移函数H,5.2式经反变换即可得到恢复图像，其退化和恢复的全过程用图5-2表示。图5－2频域图像降质及恢复过程逆滤波恢复法会出现病态性，若H，而噪声N(u,v)≠0，则比F(x,y)大很多，使恢复出来与相差很大，甚至面目全非。一种改进的方法是在H(u,v)=0的频谱点及其附近，人为仔细设置的值，使得在这些频谱点附近，不会对产生太大影响。二种方法是考虑到降质系统的转移函数的带宽比噪声要窄的多，其频率特性也具有低通性质，因此可令逆滤波的转移函数为（2）维纳滤波复原逆滤波简单，但可能带来噪声的放大，而维纳滤波对逆
3、滤波的噪声放大有抑制作用。维纳滤波是寻找一个滤波器，使得复原后图像与原始图像的方差最小，即如果图像和噪声不相关，且有零均值，则可导出维纳滤波器的传递函数为式中和分别为噪声和原始图像的功率谱。实际上和n往往是未知的，这时常用常数K来近似。【实验】产生一模糊图像，采用维纳滤波图像复原的方法对图像进行处理。clear;%清除变量d=15%设定长度h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d);%设置函数hf=imread('lena.bmp');%读取图像[m,n]=size(f);%求出图像大小fe=zeros
4、(m+2*d,n+2*d);%扩增ffe(1:m,1:n)=f;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h;%扩增hF=fft2(fe);H=fft2(he);ns=5*rand(m+2*d,n+2*d);%产生噪声g=ifft2(F.*H)+ns;%产生模糊且加载噪声的图像G=fft2(g);K=0;%设定K值F_est=((H.^2)./(H.^2+K)).*G./H;%维纳滤波f_est=real(ifft2(F_est));%恢复后的图像imshow(f);%显示原始图像figure;imsho
5、w(g(d+1:m+d,d+1:n+d),[min(g(:))max(g(:))]);%显示模糊后加噪声的图像figure;imshow(f_est(1:m,1:n),[min(f_est(:))max(f_est(:))]);%显示恢复后的图像运行结果：原图模糊后恢复图象作业：1改变维纳滤波的常数K，比较不同K值的复原图像的效果。K=0.5K=1K=10可见，K 越大，对消除模糊的效果越差，但是可以看清轮廓。K小的时候，虽然没有模糊的感觉，但是图像内容很不清晰，难以辨别。1对图像文件cameraman.tif进行运动模糊处理，然后分别采用逆滤
6、波和维纳滤波的方法进行复原处理。clear;%清除变量c=0.1;T=1;f=imread('cameraman.tif');%f=rgb2gray(f);[m,n]=size(f);H=zeros(m,n);forj=1:mH(j,:)=T/(pi*j*c)*sin(pi*j*c)*exp(-i*(pi*j*c));endF=fft2(double(f));NF=F.*H;%模糊图像的频谱newimg=real(ifft2(NF));subplot(2,2,1);imshow(f);title('原图');%显示原始图像subplot(2,2,
7、2);imshow(uint8(newimg));%显示动态模糊后的图像title('动态模糊后的图');%维纳滤波K=0;%设定K值F_est=((H.^2)./(H.^2+K)).*NF./H;f_est=real(ifft2(F_est));%恢复后的图像subplot(2,2,3);imshow(uint8(f_est));%显示恢复后的图像title('维纳滤波图');%逆滤波FN=NF./H;subplot(2,2,4);imshow(uint8(real(ifft2(FN))));title('逆滤波图');说明：以上维纳滤波的K=
8、0，相当于逆滤波，故他们得到的图像一样。
