《图像处理(七).doc》由会员分享，可在线阅读，更多相关《图像处理(七).doc（22页珍藏版）》请在金锄头文库上搜索。
1、上次: 一、引言二、图像运算三、图像变换四、图像增强五、二值形态学及其应用六、图像复原图像复原又称图像恢复，是图像处理中的重要技术。所谓的图像复原就是在研究图像退化原因的基础上，以退化图像为依据，根据一定的先验知识设计一种算子，从而估计出理想场景的操作。为了刻画成像系统的特征，通常将成像系统看成是一个线性平移不变系统（因为线性平移不变系统已经有了完整的理论体系，能使用F-变换，便于谱域处理，便于计算机处理，而且能够反映出系统的主要特性），从中推导出物体输入与图像的输出关系的通用数学表达式，从而建立成像系统的退化模型，在此基础上研究图像的复原技术。图像复原在电子监测、医疗摄像等领域具有重要用途。
2、景物在成像过程中可能出现畸变、模糊、失真或混入噪声，使所得成像图像降质，这种现象称为图像退化。图像复原的关键是在于建立图像退化模型。1图像退化模型图像复原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退化的原因。h(x,y)f(x,y) f*(x,y) g(x,y) n(x,y) 输入图像图经过一个退化系统，输出图像为，即叠加系统噪声，就构成了退化图像，即 而 （1.0）表示的是一副退化图像，式中一般假设系统噪声为加性噪声，且为白噪声。上图表示的就是图像的退化模型。从上图中可以看出，图像的退化就是成像系统的退化加上额外的系统噪声而形成的，根据这个模型可知，图像复原就是在退
3、化图像的基础上已知成像系统和系统噪声，然后进行反演运算，得到一个的最佳估计。或图像复原就是在退化图像经过复原滤波器，得到恢复的图像，即由于数字图像都是离散的，所以在实际应用中都是采用的离散形式进行计算，退化图像其表达形式如下： （1.1）式中，函数，分别是周期为M和N的函数。是与，具有相同周期的函数，将函数矩阵，和各行堆叠成维列向量分别记为：，则（1.1）式写成矩阵形式为: （1.2）其中H为维矩阵。H包括个子矩阵，每个子矩阵的大小为，排列顺序如下：式中每一个子矩阵都是由的第j行元素构成的上述离散图像退化模型是在线性平移不变性的条件下得到的。图像复原就是根据给定的g，利用H和n来估计f。但是对
4、于实际应用，直接估计出是一项十分繁杂的计算工作，必须寻找简化实现的方法。（讲）上面为时域模型，而频域模型为：，而 （1.3）（讲）因为点光源可近似为一个单位脉冲，而单位脉冲响应即点冲激响应的F-变换为，可表示为点冲激响应函数的退化模型。点冲激响应的退化函数也称为点扩展函数简称PSF，PSF决定了系统的成像质量。（讲）图像复原过程中的主要困难有两点：其一，要确定引起退化的点扩散函数h(x,y)。分两种情况：1）如果对于图像缺乏先验知识，则退化过程（模糊和加噪）建立一个模型，然后寻找产生退化的原因或削弱其影响的逆过程。在这种情况下建立的模型只可能是估计性的，所以其复原工作很困难；2）如果已经具有足
5、够的先验知识，则可以对原始图像建立一个数学模型，并将它与退化图像进行比较，从而找出退化的因素来确定点扩散函数。其二，如果退化模型是一个病态积分方程。这就是说，在频域中，当H(u,v)（h(x,y)的频域）很小或等于零时，噪声将被放大。换句话说，退化模型的这种病态性质意味着退化图像中小的干扰在H(u,v)取值小的那些频谱上会对图像的恢复产生很大的影响，这给图像复原带来不少麻烦。因此，任何一种图像复原的方法都要考虑当存在病态性时如何控制噪声对复原结果的干扰。评价估计效果的标准有很多，不同的复原方法实际上就是针对不同的估计评价准则而言的。例如最小二乘滤波方法原理：(1) 无约束复原方程，求，使称得到
6、的复原图像为原图像的无约束最小二乘滤波方法复原。解：若H可逆，（讲）(2) 有约束复原方程令Q为的线性操作数向量，求，使 且满足约束条件。称得到的复原图像为原图像的有约束最小二乘滤波方法复原。解：用Lagrange乘数法解条件极值取准则函数：其中为Lagrange乘数。实际上来调节参数和Q，设法得到最佳的。（讲）在matlab中：有四种算法对图像复原处理：带约束的最小二乘滤波算法维纳滤波算法盲去卷积算法Lucy-Richardson迭代算法可以通过调用deconvreg函数，其利用带约束的最小二乘滤波方法对图像复原处理。可以通过调用deconvwnr函数，其利用维纳滤波方法对图像复原处理。当图
7、像的频率特性和噪声已知时，维纳滤波的效果非常好。但是实际生活中，这些特征我们是不知道的，因此我们必须对这些特性作出模糊的估计以求达到最佳复原效果。可以通过调用deconvblind函数，该函数使用盲去卷积算法，可以在对失真（包括有噪声和模糊的情况下）毫无所知的情况下进行复原操作。可以通过调用deconvlucy函数，其利用加速收敛的Lucy-Richardson迭代算法可以对图像进行复原。当PSF已知，但是图像的噪声信息未知时，该算法对图像的复原重建效果是很好的。案例五: Deblurring Images Using the Blind Deconvolution AlgorithmThe
8、Blind Deconvolution Algorithm can be used effectively when no information about the distortion (blurring and noise) is known. The algorithm restores the image and the point-spread function (PSF) simultaneously. The accelerated, damped Richardson-Lucy algorithm is used in each iteration. Additional o
9、ptical system (e.g. camera) characteristics can be used as input parameters that could help to improve the quality of the image restoration. PSF constraints can be passed in through a user-specified function.Key concepts: blind deconvolution; image recovery; PSF; accelerated, damped Lucy-Richardson
10、algorithm Key functions: deconvblind, edge, imdilate, imfilterdeconvblind Restore image using the blind deconvolution algorithm SyntaxJ,PSF = deconvblind(I,INITPSF)J,PSF = deconvblind(I,INITPSF,NUMIT)J,PSF = deconvblind(I,INITPSF,NUMIT,DAMPAR)J,PSF = deconvblind(I,INITPSF,NUMIT,DAMPAR,WEIGHT)其中I为输入图
11、像、INITPSF 为估计的PSF（即点扩展函数）、J为输出图像、PSF为得到的PSF；可选参数NUMIT 为算法的迭代次数、DAMPAR 为偏移阈值、WEIGHT 为用于屏蔽坏像素。Step 1: Read in ImagesThe example reads in an intensity image. The deconvblind function can handle arrays of any dimension. I = imread(cameraman.tif);figure;imshow(I);title(Original Image);Step 2: Simulate a
12、blurSimulate a real-life image that could be blurred (e.g., due to camera motion or lack of focus). The example simulates the blur by convolving a Gaussian filter with the true image (using imfilter). The Gaussian filter then represents a point-spread function, PSF. PSF = fspecial(gaussian,7,10);% g
13、aussian：Gaussian lowpass filter% h = fspecial(gaussian,hsize,sigma) returns a rotationally %symmetric Gaussian lowpass filter of size hsize with standard %deviation sigma (positive). hsize can be a vector specifying %the number of rows and columns in h, or it can be a scalar, in %which case h is a s
14、quare matrix. The default value for hsize is %3 3; the default value for sigma is 0.5.Blurred = imfilter(I,PSF,symmetric,conv);figure;imshow(Blurred);title(Blurred Image);Step 3: Restore the Blurred Image Using PSFs of Various SizesTo illustrate the importance of knowing the size of the true PSF, th
15、is example performs three restorations. Each time the PSF reconstruction starts from a uniform array-an array of ones. The first restoration, J1 and P1, uses an undersized array, UNDERPSF, for an initial guess of the PSF. The size of the UNDERPSF array is 4 pixels shorter in each dimension than the true PSF. UNDERPSF = ones(size(PSF)-4);J1 P1 = de
