数字图像处理之图像复原总结.docx

数字图像处理之图像复原总结

第一篇：数字图像处理之图像复原总结数字图像处理之图像复原技术总结图像采集、传送和转换过程中，会加入一些噪声，表现为图像模糊、失真和有噪声等。图像复原技术是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像图像噪声模型CCD摄像机获取图像时，光照强度和传感器的温度是产生噪声的主要原因。噪声:不期望接收到的信号(相对于期望接收到的信号而言)图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声。加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。一般应该考虑为高斯噪声吧1.高斯噪声（正态噪声）----源于电子电路噪声和由低照明度或高温带来的传感器噪声，CCD噪声高斯噪声可以通过空域滤波的平滑或者图像复原技术来消除P（z）=1/(sqrt(2*pi*σ))*exp(-(z-μ)^2/(2*σ^2))2.椒盐噪声--（双极）脉冲噪声（成像中的短暂停留，例如错误的开关操作）P（z）=Pa,z=aPb,z=b0,other椒盐噪声是指图像中出现的噪声只有两种灰度值，分别是a和b，这两种灰度值出现的概率分别是Pa和Pb均值是m=a*Pa+b*Pb方差是σ^2=(a-m)^2*Pa+(b-m)^2*Pb通常情况下，脉冲噪声总是数字化为允许的最大值或最小值。负脉冲为黑点，正脉冲为白点。因此该噪声称为椒盐噪声，去除噪声的较好方法是中值滤波3.均匀分布噪声（模拟随机数产生器）均匀分布噪声的概率密度函数为：P（z）=1/(b-a),a均匀分布噪声的期望和方差分别为：m=(a+b)/2σ^2=(b-a)^2/124.指数分布噪声（激光成像）指数分布噪声的概率密度函数为：P（z）=a*exp(-a*z),z>=0,0,z指数分布噪声的期望和方差分别为：m=1/a,σ^2=1/a^25,伽马分布噪声（激光成像）伽马分布噪声的概率密度函数为：P（z）=(a^b*z^(b-1))/(b-1)!*exp(-a*z)伽马分布噪声的期望和方差分别为：m=b/a,σ^2=b/a^26.瑞利噪声空域中的滤波复原均值滤波复原算术均值滤波器几何均值滤波器逆谐波均值滤波器可以用于消除椒噪声或者盐噪声顺序统计滤波复原中值滤波、最大值滤波和最小值滤波中值滤波可以很好的保留图像的边缘，非常适合去除椒盐噪声，效果优于均值滤波二维中值滤波J=medianfilt2(I)最大值滤波器也能够去除椒盐噪声，但会从黑色物体的边缘去除一些黑色像素最小值滤波器会从白色物体的边缘去除一些白色像素二维排序滤波J=ordfilt2(I,order,domain)最大值滤波J=ordfilt2(I,9,ones(3))最小值滤波J=ordfilt2(I,1,ones(3))自适应滤波复原wiener2()自适应维纳滤波图像复原算法逆滤波复原在频域上使用退化后观察得到的图像频域值来除去退化函数，得到近似于原图像的估计图像，然后通过傅里叶逆变换得到原图像的估计值维纳滤波复原（对运动模糊图像进行复原）deconvwnr()进行图像的维纳滤波复原约束最小二乘法复原deconvreg()Lucy-Richardson复原deconvlucy()采用加速收敛的Lucy-Richardson算法对图像进行复原盲解卷积复原在实际应用中，经常在不知道PSF的情况下对图像进行复原。其优点在于对退化图像没有先验知识的情况下，仍然能够进行复原deconvblind();第二篇：数字图像处理——彩色图像实验报告6.3实验步骤(1)对彩色图像的表达和显示************显示彩色立方体*************rgbcube(0,0,10);%从正面观察彩色立方体rgbcube(10,0,10);%从侧面观察彩色立方rgbcube(10,10,10);%从对角线观察彩色立方体%**********索引图像的显示和转换*********f=imread('D:PictureFig0604(a)(iris).tif');figure,imshow(f);%f是RGB真彩图像%rgb图像转换成8色索引图像，不采用抖动方式[X1,map1]=rgb2ind(f,8,'nodither');figure,imshow(X1,map1);%采用抖动方式转换到8色索引图像[X2,map2]=rgb2ind(f,8,'dither');figure,imshow(X2,map2);%显示效果要好一些g=rgb2gray(f);%f转换为灰度图像g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像figure,imshow(g1);%显示抖动处理后的二值图像程序