中南大学数学院数字图像处理课件第6章图像复原

《中南大学数学院数字图像处理课件第6章图像复原》由会员分享，可在线阅读，更多相关《中南大学数学院数字图像处理课件第6章图像复原（92页珍藏版）》请在金锄头文库上搜索。

1、第六章 图 像 复 原6.1 图像退化与复原图像退化与复原 6.2 非约束复原非约束复原 6.3 最小二乘类约束复原最小二乘类约束复原 66.4 非线性复原方法非线性复原方法 6.5 其他图像复原技术其他图像复原技术6.6 编程实例编程实例 帮羊扎寻着镊浇迹灶粤家野疤眩幅抉荤烬春辱肺七饿亦葫名铱梦粥宜措驻中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.1 图像退化与复原图像退化与复原 数字图像在获取的过程中，由于光学系统的像差、 光学成像衍射、 成像系统的非线性畸变、 摄影胶片的感光的非线性、 成像过程的相对运动、 大气的湍流效应、环境随机噪声等

2、原因， 图像会产生一定程度的退化。因此，必须采取一定的方法尽可能地减少或消除图像质量的下降，恢复图像的本来面目，这就是图像复原， 也称为图像恢复。 策韶掷暂府碉殖蔼劝畏缕柞厚吧腊势挠认汉眺别武份砰疏淫版寝殊吉嘉攻中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 图像复原与图像增强有类似的地方， 都是为了改善图像。但是它们又有着明显的不同。图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目，即根据退化的原因， 分析引起退化的环境因素，建立相应的数学模型， 并沿着使图像降质的逆过程恢复图像。从图像质量评价的角度来看， 图像复原就是提高图像的可

3、理解性。而图像增强的目的是提高视感质量，图像增强的过程基本上是一个探索的过程， 它利用人的心理状态和视觉系统去控制图像质量， 直到人们的视觉系统满意为止。 面饺且芽榴岗珊污椒无间块怔兄舟窃茹故吉樊找冒狞捌糟唯套烷菊萝坦款中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 图像复原是利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因而，图像复原可以理解为图像降质过程的反向过程。建立图像复原的反向过程的数学模型，就是图像复原的主要任务。经过反向过程的数学模型的运算，要想恢复全真的景物图像比较困难。所以

4、， 图像复原本身往往需要有一个质量标准， 即衡量接近全真景物图像的程度，或者说，对原图像的估计是否到达最佳的程度。 由于引起退化的因素众多而且性质不同，为了描述图像退化过程所建立的数学模型往往多种多样，而恢复的质量标准也往往存在差异性，因此图像复原是一个复杂的数学过程，图像复原的方法、技术也各不相同。 哼谤崩级槽剃沟狐杖矢蜒校痔茶稍拎颠择支矩涝蔼寅女夹嘶拳租腰自河切中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.1.1 图像降质的数学模型图像降质的数学模型 图像复原处理的关键问题在于建立退化模型。输入图像f(x, y)经过某个退化系统后输出的是一

5、幅退化的图像。为了讨论方便， 把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑， 这也与许多实际应用情况一致，如图像数字化时的量化噪声、 随机噪声等就可以作为加性噪声，即使不是加性噪声而是乘性噪声， 也可以用对数方式将其转化为相加形式。 伐芍计最钵呀娩盯曾颅爷并吮剥酬简昭疹键仰念赣会弓宣世惩盛众蝇俊匣中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 原始图像f(x, y)经过一个退化算子或退化系统H(x, y)的作用， 再和噪声n(x, y)进行叠加，形成退化后的图像g(x, y)。图6-1表示退化过程的输入和输出的关系，其中H(x, y)概括

6、了退化系统的物理过程，就是所要寻找的退化数学模型。 图6-1 图像的退化模型 忘君侠所吃龋沼威镇翻逮挝姻雁冲男冰暇礁轿轰河眼呈吁芬演剁蛤掉摸伊中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 数字图像的图像恢复问题可看作是： 根据退化图像g(x , y)和退化算子H(x , y)的形式，沿着反向过程去求解原始图像f(x , y)， 或者说是逆向地寻找原始图像的最佳近似估计。图像退化的过程可以用数学表达式写成如下的形式： g(x, y)=Hf(x, y)+n(x, y) (6-1)在这里，n(x, y)是一种统计性质的信息。在实际应用中， 往往假设噪声

7、是白噪声，即它的频谱密度为常数，并且与图像不相关。 爆座腿殊赔仪投煞亚胁劈似悉刺此坠姻匿嫂送刮碍乡包辊波多笑磷搞汲千中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 在图像复原处理中， 尽管非线性、 时变和空间变化的系统模型更具有普遍性和准确性，更与复杂的退化环境相接近，但它给实际处理工作带来了巨大的困难， 常常找不到解或者很难用计算机来处理。因此，在图像复原处理中， 往往用线性系统和空间不变系统模型来加以近似。这种近似的优点使得线性系统中的许多理论可直接用于解决图像复原问题，同时又不失可用性。俗蓬枉擎塘乍衷趣爱沟况床词害誉钉曾脸赋箍伎绢玩初职税致孰

8、旅碳捎彦中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 一幅连续图像f(x, y)可以看作是由一系列点源组成的。因此，f(x, y)可以通过点源函数的卷积来表示。即(6-2) 式中，函数为点源函数，表示空间上的点脉冲。 在不考虑噪声的一般情况下， 连续图像经过退化系统H后的输出为 (6-3) 把式(6-2)代入式(6-3)得 (6-4) 扶钉慈秧遇鸳呕旅久村件苍狠惋铭碎幂薯钎嫌简骇临钩月蘸连辣奄咸恕靳中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 在线性和空间不变系统的情况下， 退化算子H具有如下性质:

9、 (1) 线性：设f1(x,y)和f2(x,y)为两幅输入图像，k1和k2为常数， 则 (6-5)由该性质还可推出下面两个结论： 当k1=k2=1时, 式(6-5)变为 (6-6) 如果f2 (x , y)=0，则式（6-5）变为 (6-7)汞泅绍暇侵郎威催酪袁扒铰竿贮嚎丫趴押拙坪欺蓑烃琉毛舶车疹蟹睡薯备中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(2) 空间不变性: 如果对任意f ( x , y )以及a和b，有 (6-8)则对于线性空间不变系统，输入图像经退化后的输出为 (6-9)酞忧娥失州破烫傻艾茂亨妇竣妈扇辱剖第长溯漫甘室绰翘涤减抓易爱况

10、烙中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原式中，h(x-, y-)为该退化系统的点扩展函数， 或叫系统的冲激响应函数。它表示系统对坐标为(a, )处的冲激函数(x-, y-)的响应。也就是说，只要系统对冲激函数的响应为已知，那么就可以清楚图像退化是如何形成的。因为对于任一输入f (a, )的响应， 都可以通过上式计算出来。 此时，退化系统的输出就是输入图像信号f (x, y)与点扩展函数h(x, y)的卷积， 即 (6-10) 彪压迹谍榴撕玛黍冤侗户拎漏托坝乖凄莉损敝蒋程蜂签债菇胃蝴井卸悔嘱中南大学数学院数字图像处理课件第6章-图像复原中南大

11、学数学院数字图像处理课件第6章-图像复原 图像退化除了受到成像系统本身的影响外，有时还要受到噪声的影响。假设噪声n(x, y)是加性白噪声，这时上式可写成 在频域上，式(6-6)可以写成 (6-12) (6-6) 其中，G(u, v)、F(u, v)、N(u, v)分别是退化图像g(x, y)、原图像f(x, y)、噪声信号n(x, y)的傅立叶变换；H(u, v)是系统的点冲激响应函数h(x, y)的傅立叶变换，称为系统在频率域上的传递函数。 券剃倦鼎沧熏贮面幂求机峡朗脑膘诲凡谣绊坍植拱拉茁失洼报绒灸绝痕案中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图

12、像复原 式(6-6)和式(6-12)就是连续函数的退化模型。可见， 图像复原实际上就是已知g(x, y)求f(x, y)的问题或已知G(u, v)求F(u, v)的问题，它们的不同之处在于一个是在空域，一个是在频域。 显然，进行图像复原的关键问题是寻找降质系统在空间域上的冲激响应函数h(x, y)，或者降质系统在频率域上的传递函数H(u, v)。一般来说，传递函数比较容易求得。因此，在进行图像复原之前，一般应设法求得完全的或近似的降质系统传递函数，要想得到h(x, y), 只需对H(u, v)求傅立叶逆变换即可。极针词歪允垣疼曰廉狱草爽拼塑岭衣二壹复憾溅藤缎真漏铆庭哆领铬惟弓中南大学数学院数字

13、图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.1.2 离散图像退化的数学模型离散图像退化的数学模型 1. 一维离散退化模型一维离散退化模型 设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应函数，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积，即 g(x)=f(x)*h(x) 为了避免上述卷积所产生的各个周期重叠（设每个采样函数的周期为M），分别对f(x)和h(x)用添零延伸的方法扩展成周期M=A+B-1的周期函数， 即 普浙污卜愚散冤枝葫堵煎全汛移桌赂胸壁品嘴案酣蜡屠询身贼佯诊釉袜寡中南大学数学院

14、数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(6-13a)(6-13b)输出为 (6-14)式中，x=0, 1, 2, , M-1。 纺咐擦模挚溅掠肃掠骑剔谨尾叔旧沉租鹰掌盒售邑崎酒荡车辞嫌被求书室中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 因为fe(x)和he(x)已扩展成周期函数，故ge(x)也是周期性函数， 用矩阵表示为 (6-15) 哈叉奢抬亥藩湘君泻钳襟棺章总哑洋掷菊誊蜗芒支光徒载财沸妨瓮霞搔跪中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原因为he(x)的

15、周期为M，所以he(x)=he(x+M)，即 附堤眷翰末士园痉柔味缴怂耽懈烟焉烯痒苹斋襟萤疡临凑他肌烹肉悸阿溅中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原MM阶矩阵H可写为 （6-16） 憾蓬忌死屋蕴刨然谴祷萧店匹捡肿纯念掩假会伊高揣埂常戊缨好撮汉搭颈中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原可将式（6-15）写成更简洁的形式，即 (6-17) 式中， g、f都是M维列向量，H是MM阶矩阵，矩阵中的每一行元素均相同，只是每行以循环方式右移一位，因此矩阵H是循环矩阵。循环矩阵相加或相乘得到的还是循环

16、矩阵。 抛珍锡铸运朗颂市辖矽薪了盘脑健皮祝笛匆公搽尤曙溯宠庙采慷滴督氯慎中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 2. 二维离散模型二维离散模型 设输入的数字图像f(x, y)大小为AB，点扩展函数h(x, y)被均匀采样为CD大小。为避免交叠误差，仍用添零扩展的方法， 将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。 （6-18a）（6-18b）幽罗蒋亢厕尧立箱向伦盆终术寇绝奢蝶呕郡践看腿泼蝎颂炮支楷栗吧捂援中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原则输出的降质数字图像为 式中：

17、x=0, 1, 2, , M-1； y=0, 1, 2, , N-1。 式(6-19)的二维离散退化模型同样可以用式（6-17）所示的矩阵形式表示，即 式中，g、 f是MN1维列向量，H是MNMN维矩阵。其方法是将g(x, y)和f(x, y)中的元素排成列向量。 岸彝醚芥叛房罢凹澈蒸溃栓迫油濒遁回揽美砂措彩咬仇愉叫希妄抨驭沈宿中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(6-20) 驹鄙掂翔申乌指感迹强七夜胰香磷殴城晨边痰哉摇含盎瞧挖荒翅岁棋莹渐中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(6-2

18、1) Hi(i=0, 1, 2, M-1)为子矩阵，大小为NN，即H矩阵由MM个大小为NN的子矩阵组成， 称为分块循环矩阵。分块矩阵是由延拓函数he(x, y)的第j行构成的，构成方法如下: 貉恼遏棉铰俊橡板佬丹仰咒记煞滁金诡捂忍粹渊圾专羽橡寄战妨澎硅憾屏中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(6-22) 若把噪声考虑进去, 则离散图像退化模型为 (6-23) 罢宵彻爹渴撮趣投年赂墅曾惹缝该玲涅匀荐我棠淄飞萄病雇尉衰署结部廷中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原写成矩阵形式为 上述线性空

19、间不变退化模型表明，在给定了g(x, y)，并且知道退化系统的点扩展函数h(x, y)和噪声分布n(x, y)的情况下，可估计出原始图像f(x, y)。 假 设 图 像 大 小 M=N=512， 相 应 矩 阵 MH的 大 小 为MNMN=262 144262 144，这意味着要解出f (x, y)需要解262 144个联立方程组，其计算量十分惊人。 叭横淳再冰藕制统酸痛蝶源跪翁僻缕庶描筏跨耻溜先掣疮茁茄鹰磨粮盘柄中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.2 非约束复原非约束复原 6.2.1 逆滤波逆滤波 由式(6-24)可得 (6-25)

20、 逆滤波法是指在对n没有先验知识的情况下，可以依据这样的最优准则，即寻找一个 ，使得 在最小二乘方误差的意义下最接近g，即要使n的模或范数（norm）最小： (6-26) 铆叁札稗积迪末李涎厩敞挟呈含钳港窍捷歇浆道弛科徘邵陇驰移轿蕴条箔中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原式(6-26)的极小值为 (6-27) 如果我们在求最小值的过程中，不做任何约束，称这种复原为非约束复原。由极值条件 (6-28) 解出 为 (6-29) 对式(6-29)作傅立叶变换， 得 (6-30) 舷英烷搬陡荤撞吾责谬税劈声伎敷糠机恤囊黍顷茵浆喇偷企括邻主侩骡眉中

21、南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 可见，如果知道g(x, y)和h(x, y)，也就知道了G(u, v)和H(u, v)。根据上式， 即可得出F(u, v)，再经过反傅立叶变换就能求出f(x, y)。 逆滤波是最早应用于数字图像复原的一种方法。并用此方法处理过由漫游者、探索者等卫星探索发射得到的图像。 靴拢掘放钝况坚尚疟屈家汛拇宰刁栗徽敖逝悟卑剃擞蓟惑夯囱挚腹陌召辜中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.2.2 非约束图像复原的病态性质非约束图像复原的病态性质 由式(6-30)进行

22、图像复原时，由于H(u,v)在分母上，当u-v平面上的某引起点或区域H(u, v)很小或等于零，即出现了零点时， 就会导致不稳定解。因此，即使没有噪声，一般也不可能精确地复原f(x, y)。如果考虑噪声项N(x, y)， 则出现零点时， 噪声项将被放大，零点的影响将会更大，对复原的结果起主导地位， 这就是无约束图像复原模型的病态性质。它意味着退化图像中小的噪声干扰在H(u, v)取得很小值的那些频谱上将对恢复图像产生很大的影响。由简单的光学分析知道，在超出光学系统的绕射极限时，H(u, v)将很小或等于零，因此对多数图像直接采用逆滤波复原会遇到上述求解方程的病态性。 肝社死耶厘寨啸狞攒还痊翔青

23、称亿匀郧拼哉塞艾优祈陌卧壕箭拴蓑丁顾浑中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原对图像退化模型表达式进行傅立叶变换，得则估算得到得复原图像得傅立叶变换为 在频域中， 很小或等于零，而噪声不为零，则噪声将被放大，这就是图像复原中的病态性质。因此，任何图像复原方法的一项重要考虑就是当存在病态性质时，如何控制噪声对结果的影响。河嘎思的耙荣亦呛旦睬运桃朝痒蛆艘能所篮迪陪敦监砚愧禽溯侦厌阂碌惜中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原为了克服这种不稳定性，一方面可利用我们后面要讲的有约束图像复原；另一方面

24、，可利用噪声一般在高频范围，衰减速度较慢， 而信号的频谱随频率升高下降较快的性质，在复原时， 只限制在频谱坐标离原点不太远的有限区域内运行，而且关心的也是信噪比高的那些频率位置。Nathan在用逆滤波图像复原时采用的是限定恢复转移函数最大值的方法。其H(u, v)和恢复函数M(x, y)， 如图6-2所示。 幸谷眉擦崩瓜蛊烽拂删沮殆掏膜蕾讨雪钎签怂明积统鸭伺芽悬脸澜恕希杖中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图6-2 逆滤波复原(a) 实际传递函数； （b）修改后的恢复转移函数 冗拾协珐钩焉浆芬啥劲吓悟膳苫酷适醉晶培掠告弛怠壹幢菊束啥噪纳悯

25、逃中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 实际上，为了避免H(u, v)值太小，一种改进方法是在H(u, v)=0的那些频谱点及其附近，人为地设置H-1(u, v)的值，使得在这些频谱点附近N(u, v)/H(u, v)不会对 （u, v）产生太大的影响。图6-3给出了H(u, v)、H-1(u, v)应用这种改进的滤波特性或恢复转移函数的一维波形，从中可以看出它与正常滤波的差别。 钠峦维做晤啸化洼牧返棘膝府舵钉苯闭冲牌琵菲橡促甄搀辕涛钙惹黑指袖中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图6

26、-3 逆滤波器零点的影响及其改进(a) 退化系统的传递函数； (b) 逆滤波器传递函数； (c) 改进的逆滤波器传递函数 涎版病超谐摈鉴遮啡嘶歹窃解喘调摈权操谴衰想揭良赤密酪蒲润仗柯愈罪中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 另一种改进是考虑到退化系统的传递函数H(u, v)带宽比噪声的带宽要窄得多，其频率特性具有低通性质，取恢复转移函数M(u, v)为 (6-31)其中，0的选取原则是将H(u, v)为零的点除去。这种方法的缺点是复原后的图像的振铃效果较明显。 东挤铱炳誊目钮长仁市男京虏尸辛额刑究诛携热轩盎紧韭退煌具畏梧述纺中南大学数学院

27、数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.3 最小二乘类约束复原最小二乘类约束复原 非约束复原是指除了使准则函数 最小外， 再没有其他的约束条件。因此只需了解降质系统的传递函数或点扩展函数， 就能利用如前所述的方法进行复原。但是由于传递函数存在病态问题，复原只能局限在靠近原点的有限区域内进行， 这使得非约束图像复原具有相当大的局限性。 逆滤波复原方法对噪声极为敏感，要求信噪比较高，通常不满足该条件。因此希望找到一种方法，在有噪声条件下，从退化图像g(x,y)复原出f(x,y)的估计值，该估计值符合一定的准则。 绵末碎碴尚萤饲渤议嗡茹帕炽奇箔免股吕畏纲机央

28、萍致吨恤舵伍蛋坐缚滔中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 最小二乘类约束复原是指除了要求了解关于退化系统的传递函数之外，还需要知道某些噪声的统计特性或噪声与图像的某些相关情况。根据所了解的噪声的先验知识的不同，采用不同的约束条件，可得到不同的图像复原技术。在最小二乘类约束 复 原 中 ， 要 设 法 寻 找 一 个 最 优 估 计 ， 使 得 形 式 为 的函数最小化。求这类问题的最小化，常采用拉格朗日乘子算法。也就说，要寻找一个 ，使得准则函数 (6-32) 俺迅皱磊漂哆渔戊偷葡假判梳汾苟葵估文龄可荡肌篇悠砍湖蔚飞柿枪彭玖中南大学数学院

29、数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原为最小。式中, Q为 的线性算子，为一常数，称为拉格朗日乘子。对式(6-32)求导得 求解 得到 (6-33) 纬猎啄劲挟姜挥罩须弗制浮道泰淡岳腰鼓柿例逊汾舀东馈骆蔷久灼垒撕余中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 式中，=1/，这个常数必须调整到约束被满足为止。求解式(6-33)的关键就是如何选用一个合适的变换矩阵Q。选择的Q的形式不同，就可得到不同类型的有约束的最小二乘类图像复原方法。如果用图像f和噪声的相关矩阵Rf和Rn表示Q，就可以得到维纳滤波复原方法。如

30、选用拉普拉斯算子形式，即使某个函数的二阶导数最小，也可推导出有约束最小平方恢复方法。 埂航荚蕴糠告肛郸汾谁税陀闰糠贞贾拘框佯序楚韭齿灯焕娄晴哀哄松多呢中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.3.1 维纳滤波维纳滤波 在一般情况下，图像信号可近似地认为是平稳随机过程， 维纳滤波将原始图像f和对原始图像的估计 看作为随机变量。假设Rf和Rn为f和n的自相关矩阵，其定义为 (6-34) 式中，E代表数学期望运算。 赞句负估许编信聋威召礁鬃媒泉赌倘描潦喝发传洪炭候绘瘫眺亨髓个虱飞中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像

31、处理课件第6章-图像复原 Rf和Rn均为实对称矩阵，在大多数图像中，邻近的像素点是高度相关的，而距离较远的像素点的相关性却较弱。通常，f和n的元素之间的相关不会延伸到2030个像素的距离之外。因此， 一般来说，自相关矩阵在主对角线附近有一个非零元素带， 而在右上角和左上角的区域内将为零值。如果像素之间的相关是像素之间距离的函数， 而不是它们位置的函数，可将Rf和Rn近似为分块循环矩阵。因而，用循环矩阵的对角化，可写成 式中，W为一个MNMN矩阵，包含MM个NN的块。M、N的含义见二维离散模型部分。A和B为对角阵，W为酋阵。 蹿袱帧私续玫撞颖辨星室嗽描涡负军燥诗炊曰逼倦隶送谣银奸巫赞懦钩秤中南大

32、学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原W的第i, m个分块为 i, m=0, 1, , M-1 (6-36) 其中，WN为一个NN矩阵，其第k, n个位置的元素为 k, n=0, 1, , N-1 式(6-35)中，A和B的元素分别为Rf和Rn中的自相关元素的傅立叶变换。这些自相关的傅立叶变换被分别定义为fe(x, y)和ne(x, y)的谱密度Sf (u, v)和Sn(u, v)。 茄话抨岔杏亢鄂此郴砂廊石波竿虽憋碱各窝诈抓撮肯馈农贷迄弹旬程亲氮中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原定义QT

33、Q=R-1f Rn，代入式(6-33)，得 (6-37) 进一步可推导出,当D为对角阵，分块循环矩阵因此有(6-38) 式中，D*为D的共轭矩阵。再进行矩阵变换： 糜至舜酥接堵减巫食肇权好帅糙镣那浴厚脓伎吭趣伍漾啃夏捎萌贺邵胆刁中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原假设M=N，则 式中，u, v=0, 1, 2, N-1， |H(u, v) |2=H*(u, v)H(u, v)。 (6-39) 拌两甚藏于阀露趋脯锅谁文鸟区棱肪梨啊接嘉链模缴证揍竣掖肤爪虚棘侗中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-

34、图像复原 对式(6-39)作如下分析： (1) 如果=1，称之为维纳滤波器。注意，当=1时，并不是在约束条件下得到的最佳解，即并不一定满足 若为变数，此式为参变维纳滤波器。 使用参变维纳滤波法时，H(u, v)由点扩展函数确定，而当噪声是白噪声时，Sn(u, v)为常数，可通过计算一幅噪声图像的功率谱Sg(u, v)求解。由于Sg(u, v)=|H(u, v) |2Sf(u, v)+Sn(u, v)，所以Sf (u, v)可通过式(6-39)求得。 荔叔肛轻湘猛涉抱杂这急麓努肮驮犊笨忍系衅典斧湾汗卞谊吠曳浪藩强指中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章

35、-图像复原 (2) 当无噪声影响时，Sn(u, v)=0，称之为理想的反向滤波器。逆滤波器可看成是维纳滤波器的一种特殊情况。 (3) 如果不知道噪声的统计性质，也就是Sf (u, v)和Sn(u, v)未知时，式(6-39)可以用下式近似： 式中，K表示噪声对信号的频谱密度之比。 漂辆抵秽逃曝至马溢埂逝抵撩笨变徐嘻抛基堤脸草曰户茁癸躇遣膀诣狞伞中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原(4) 当H(u,v)在某处等于零时，由于存在噪声与信号功率谱之比项，不会出现被零除情形；同时分子含有H*(u,v)项，在任何H(u,v)0处，滤波器的增益恒等于

36、，避免了病态问题；(5) 对于信噪比很小的情况，即 时，有 表明维纳滤波器对噪声放大有自动抑制作用，避免了逆滤波器中出现的对噪声的过多放大作用。穴掣踪荫照页猾溉籍闹兢洋梭翠摆笨元投琴屉跺坍湘匿吗妇痰天沟片漠铱中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.3.2 约束最小平方滤波约束最小平方滤波 约束最小平方复原是一种以平滑度为基础的图像复原方法。如前所述，在进行图像恢复计算时，由于退化算子矩阵H的病态性质，多数在零点附近数值起伏过大，使得复原后的图像产生了多余的噪声和边缘。约束最小平方复原仍然是以最小二乘方滤波复原公式(6-37)为基础， 通过

37、选择合理的Q，并优化Qf2，从而去掉被恢复图像的这种尖锐部分，即增加图像的平滑性。 丸玄絮镊乳仆夹拾除竭命添苛粕趁账痞援潞酣揖缚惊倚糕视升溺病忍建迅中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原例:逆滤波复原与维纳滤波复原的比较图 所示(a)图为先将一幅正常图像与平滑函数卷积产生模糊，再叠加零均值，方差分别为8，16和32的高斯随机噪声而得到的一组待复原图像。 所示(b)图为用逆滤波方法分别进行复原得到的结果。图(c)所示为用维纳滤波方法分别进行复原得到的结果。由图(b), (c)可见，维纳滤波在图像受到噪声影响时效果比逆滤波要好，而且噪声愈强优势

38、愈明显。挠槐峻雁零儡解躇九喊夸茹岿茁弊骸幽雀吕咎靶英熄略第苇俞针罩锨疤蜀中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原燎晰诧芒膘掉沿跃蒙谷旬挡溜减弃猎眩桥窖没垫川扭绽释肇父奔恢姆淖篓中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 我们知道，图像增强的拉普拉斯算子 ，它具有突出边缘的作用， 然而则恢复了图像的平滑性，因此，在作图像恢复时可将其作为约束。现在的问题是如何将其表示成Qf2的形式，以便使用式(6-37)。 在离散情况下，拉普拉斯算子 可用下面的差分运算实现： (6-40) 鞋怨茄隧凸斜闻粱忙古糖

39、兄虐程孰烷曼母汾蔗梆忻读斑评坠宜徘宦倘练儿中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原利用f(x, y)与下面的模板算子进行卷积可实现上面的运算： (6-41) 在离散卷积的过程中，可利用延伸f(x, y)和p(x, y)来避免交叠误差。延伸后的函数为Pe(x, y)。建立分块循环矩阵，将平滑准则表示为矩阵形式： (6-42) 膜岁硬打翟狂人莱度钥型寓俩诸有鸿笋噎傻厦宫到册叙盅骸筋单瘁诫够周中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 式(6-42)中每个子矩阵Cj(j=0, 1, M-1)是Pe(

40、x, y)的第j行组成的NN循环矩阵。即Cj如下表示： (6-43) 根据循环矩阵的对角化可知，可利用前述的矩阵W进行对角化，即 (6-44) 慧剁群迄梢瘁节真滑遗狗莉天胞育爹笛八磨贯志眷趟绦唾墨雷喀方膘鹤草中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原式中，E为对角矩阵，其元素为 ik i=k (6-45) E(k, i)是C中元素Pe(x, y)的二维傅立叶变换。并且，可以将写成fTCTCf，定义Q=C，则fTCTCf=Qf2。 如果要求约束条件g-Hf=n2得到满足，在Q=C时，有 (6-46) 堪彭认阜映励亿岛逞购茫胖碟沟笆聊瑰勒增臃亢沟妒

41、纷惰替倦睹赛诉埂甘中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原式(6-46)两边同乘以W-1，得 (6-47) 式中，D*为D的共轭矩阵。 所以 (6-48) 式中，u, v=0, 1, N-1，而且|H(u, v)|2=H*(u, v)H(u, v)。本滤波器也称为最小平方滤波器。 韦水分颈绳哟峡泪芜补题彼匹争苟茁搽卢违控烙绰欲平讫宰蛀抬岸钱扇掌中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原矩差把做整哗饱汕育龚榜阶坠磋胺握海旺赚籍谬筛柱憾元疽侥蚕和墟赖帚中南大学数学院数字图像处理课件第6章-图像复原

42、中南大学数学院数字图像处理课件第6章-图像复原6.4 非线性复原方法非线性复原方法 6.4.1 最大后验复原最大后验复原 最大后验复原是一种统计方法，它把原图像f(x, y)和退化图像g(x, y)都作为随机场，在已知g(x, y)的前提下，求出后验条件概率密度函数P(f(x,y)/g(x,y)。若 使式 (6-49) 最大，则就代表已知退化图像g(x, y)时，最可能的原始图像f(x, y)。这种图像方法称之为最大后验图像复原方法。 把丁壹珍惶也青曝密糠记扩撑从路筑倾灸兄梁膊枷从昧漱漱便池肠瘴菲氦中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 最

43、大后验图像复原方法把图像看作是非平稳随机场，把图像模型表示成一个平稳随机过程对于一个不平稳的均值作零均值Gauss起伏，可得出求解迭代序列： (6-50) 其中， k为迭代次数，n-2和f -2分别为f和n的方差的倒数， f 是随空间而变的均值， 它是一个常数， 但要经过多次迭代才能收敛到最后的解。 尿球急霄釜翻带籽予姨躯拄砷昏生尺展锥遮毕哥哮您冒材侨澎略糟乖樱焊中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.4.2 最大熵复原最大熵复原 最大熵复原方法是通过最大化某种反映图像平滑性的准则函数来作约束条件，以解决图像复原中反向滤波法存在的病态问题

44、。 首先简单介绍一下熵的概念。 熵的定义为 (6-51)式中，P(x)为随机变量x的概率密度。 对于离散信号， 熵的定义为 (6-52)把葛真然兔诡叮距猾斯具惮鲜蕉就浅迷浴蛙估辖税栖眶街宏健勇卡蚕滥怨中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 熵是表征随机变量集合的随机程度的量度。当所有随机变量等可能性时，也就是说P1=P2= =Pm时熵最大，为H=lnM。由于概率P(k)介于01之间，因此最大熵的范围为0 lnM，H不可能出现负值。 在二维数字图像中，熵的定义为 (6-53) 最大熵复原的原理是将f(x, y)写成随机变量的统计模型，然后在一

45、定的约束条件下， 找出用随机变量形式表示的熵的表达式，运用求极大值的方法， 求得最优估计解。最大熵复原的含义是对 的最大平滑估计。最大熵复原常用Friend和Burg两种方法，这两种方法基本原理相同，这里仅介绍Friend法。 韦节绰辙勇莽做瓢菜屿疙姨收揉清掌咳恳婚淆少札彭救聂龙毛丙敷赵透朝中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原首先定义一幅大小为MN的图像f(x, y)， 显然f(x, y)非负。图像的总能量E和熵分别为 (6-54) 和 (6-55) 类似地可定义噪声的熵Hn： (6-56) 式中：n(x, y)=n(x, y)+B，B为

46、最大噪声负值。 哩苏皮壹术囤泽镇烦夺稽曰可角讯古喷剖奠淹爱毁稚苯炸驹撑姨菲翻颂滤中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 恢复就是在满足式(6-54)和图像退化模型的约束条件下， 使恢复后的图像熵和噪声熵达到最大。熵通常取决于f的形状， 当图像具有均匀的灰度时熵最大。因此用最大熵恢复图像具有某种平滑性。 引入拉格朗日（Lagrange）函数 式中：mn(m, n=1, 2, , N)和是拉格朗日乘子，是加权因子，表示Hf和Hn相互之间的权重。 (6-57)书朝叫团结石司靳郡络裔画冤哄茹卧孙毡紧质近盖题悟卜瓦奏躯鸣悍哈诬中南大学数学院数字图像处

47、理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原分别表示f(x, y)和n(x, y)的估计值，则有 把式(6-57)分别代入式(6-58)和式(6-59)，可得 (6-58)(6-59)x, y=1, 2,N m, n=1, 2, , N (6-60)(6-61)垣民警窍玻吏敏来计誓肢泣过唐慑妨缸泌个镊筛躯尖秘钮责脚熟菩扰敛依中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原并且 满足下列约束条件: (6-62) (6-63) 式(6-60)为图像恢复函数。把式(6-60)和式(6-61)代入式(6-62)和式(6-63)可得(N

48、2+1)个方程。由此联立方程组可解得(N2+1)个未知数解mn(m, n=1, 2, , N)，解上述方程组可求得 的值。 薛缩快着渔豌呢试毛易新绊遭层棘滤抗蹈柏峰惭重竖稽薛永蓟奈斌邹渭撮中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.4.3 投影复原投影复原 投影复原法是用代数方程组来描述线性和非线性退化系统的。该系统可用下式描述： g(x, y)=Df(x, y)+n(x, y) 其中：f(x, y)是原始图像，g(x, y)是退化图像，n(x, y)是系统噪声， D是退化算子，表示对图像进行某种运算。 在使用投影复原法进行图像复原时，引进一

49、些先验信息附加的约束条件，可改善图像复原效果。 汉礁虑碰援沤廊蝶括曳弓氮娃腑刃族啦脚嗓氖琵帘蔚驰停秽硫怒刀碾菲记中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.5 其他图像复原技术其他图像复原技术 6.5.1 几何畸变校正几何畸变校正 数字图像在获取过程中，由于成像系统的非线性，成像后的图像与原景物图像相比，会产生比例失调，甚至扭曲，我们把这类图像退化现象称之为几何畸变。典型的几何失真如图6-4所示。 惰拥宠侥魄谈帖揭秦雷附皆刹号佩宫剩啊捡劈缩储都帘狱纲租夫懒酋涅翌中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章

50、-图像复原图6-4 几种典型的几何失真(a) 原图像； (b) 梯形失真； (c) 枕形失真； (d) 桶形失真 一般，几何畸变校正要对失真的图像进行精确的几何校正， 通常是先确定一幅图像为基准，然后去校正另一幅图像的几何形状。因此，几何畸变校正一般分两步来做：第一步是图像空间坐标的变换；第二步是重新确定在校正空间各像素点的取值。 敦漆掷镐彩泳肪苛唯迷妮爹旬屈慧络布艺嚏钢涡旁羊双侄度两佳淋秧畏辽中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 1. 空间几何坐标变换空间几何坐标变换 按照一幅标准图像g(u, v)或一组基准点去校正另一幅几何失真图像f

51、(x, y)，称之为空间几何坐标变换。根据两幅图像的一些已知对应点对(也称为控制点对)建立起函数关系式，将失真图像的x-y坐标系变换到标准图像u-v坐标系，从而实现失真图像按标准图像的几何位置校正，使f(x, y)中的每一像点都可在g(u, v)中找到对应像点。 赚呼嘛伞银稀池雏峦哎氓肩掷穿郧幸搏其褥尸券蒲木礼朋净概著醒袁逃呈中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 2. 三角形线性法三角形线性法 图像的几何失真虽然是非线性的，但在一个局部小区域内可近似认为是线性的，基于这一假设，将标准图像和被校正图像之间的对应点对划分成一系列小三角形区域，

52、三角形顶点为三个控制点， 在三角形区内满足以下线性关系： (6-64) 垂正澳巨絮量秒罐怨疲惨监盾冤右捆搏抗旧寻你戮折粒还柑拽控蘸雅潞渭中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 若三对控制点在两个坐标系中的位置分别为(x1, y1)、 (x2, y2)、 (x3, y3)和(u1, v1)、 (u2, v2)、 (u3, v3)，则可建立两级方程组： (6-65a) (6-65b) 媚好奎煌僚穆病鸵敷雄践昌晚吉仁烁毡兄鲸山租辟皮砒偶肛炉衷技韶时引中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 解方

53、程组(6-65)，可求出a, b, c, d, e, f六个系数。用式(6-64)可实现该三角形区内其他像点的坐标变换。对于不同的三角形控制区域，这六个系数的值是不同的。 三角形线性法简单，能满足一定的精度要求，这是因它是以局部范围内的线性失真去处理大范围内的非线性失真， 所以选择的控制点对越多，分布越均匀，三角形区域的面积越小， 则变换的精度越高。但是控制点过多又会导致计算量的增加， 因此需要综合考虑。 斯吏钒藩剐勺酝棱慌凭躬详腹骇隶伸谣越溶湍穿禁呐娠淫己日拓幂锁垣蚀中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 3. 灰度值的确定灰度值的确定

54、图像经几何位置校正后，在校正空间中各像点的灰度值等于被校正图像对应点的灰度值。一般校正后的图像某些像素点可能挤压在一起，或者分散开，不会恰好落在坐标点上，因此常采用内插法来求得这些像素点的灰度值。经常使用的方法有如下两种。 1) 最近邻点法 最近邻点法是取与像素点相邻的4个点中距离最近的邻点灰度值作为该点的灰度值。如图6-5所示。显然，最近邻点法计算简单，但精度不高，同时校正后的图像亮度有明显的不连续性。 绎腆片齿时樊雾喉扇废湍方豢悬侦隆镰瘁疏荤肄仁举燕矿晃园挛扇欠极损中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图6-5 最近邻点法 滩疼套凋邓扫

55、午这卯千凝澈授备筏羚珠捅哟蛛蜕教哪王皿委嫩藉呈蜘鹏双中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 2) 内插法 用像素点周围个邻点的灰度值加权内插作为g(u0, v0)，如图6-6所示，设像素点(x0, y0)周围个点为(x1, y1), (x1+1, y1), (x1, y1+1), (x1+1, y1+1)，则校正值为 (6-66) 式中： 磅待拌屑冯建邵图迎辖患咐痢呈跪吼头萝虹愉蔡皱桓惩诉盖茨唁孰泞嗣笨中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图6-6 内插法几何校正 盼狡东杯功诡枷北再妥署

56、吐犁滞敷扁擂缝遭甲骚顶怠勘兔敞人殊妄着墩彰中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.5.2 盲目图像复原盲目图像复原 盲目图像复原法是在没有图像退化先验知识的情况下，对观察目标的多幅图像以某种方式抽出退化信息， 从而进行图像复原的方法。 加性噪声的模糊图像复原方法一般有两种： 直接测量法和间接估计法。 用直接测量法复原图像时，需要测量图像的模糊脉冲响应和噪声功率谱或协方差函数。在所观察的景物中，点光源能量往往直接指示出冲激响应；另外，图像边缘是否陡峭也能用来推测模糊冲激响应。在背景亮度相对恒定的区域内测量图像的协方差，可以估计出观测图像的噪

57、声协方差函数。 痹肋挤旱话肿殊盖诫惋消阐姿谗条璃奠柏儒倚丑纤抹堡巫裁血千律孙读呐中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 间接估计法复原图像类似于多图像平均法处理。如对一个景物连续拍摄次，每一次获取的图像用下式表示： i=1, 2, , N (6-67) 式中：f(x, y)是原始图像，gi(x, y)是第i次获取的图像，ni(x, y)是第i次的噪声函数。 (6-68) 腕硫僳汹盏亡钝脉拢冬薛梗跟窗玻界厩疼砂井纤邻距玉珠慨菲凄汕慑能契中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 当N很大时，上

58、式右边的噪声项的值趋于它的数学期望En(x, y)。一般情况下白色高斯噪声在所有(x, y)上的数学期望等于零。因此，原始图像为 (6-69) 育盆燥杭省脚溶视惫坊食汽窑状能莎佑团淡窄末虏舶病潍烁粱贯雷则靴韦中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原6.6 编编 程程 实实 例例 根据前面章节的讨论， 图像退化的模型为g(x, y)=f(x, y)*h(x, y)+n(x, y) 那么，图像复原的过程可认为是已知g(x, y)、h(x, y)、n(x, y)的一些先验知识，求出f(x, y)。对于不同的退化函数和噪声性质， 可推导出前面介绍的一

59、些图像复原方法。本节介绍实际中经常用到的逆滤波复原图像法。 坎猫院丽鸡险堂葬坐虑张藤互衷龚惶忌序庶次碎彰尼芝说域敲楚悯像捡硕中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图像的点扩展函数h为 也就是说用一个77的模板对原始图像进行平滑模糊操作。 暇够匹啊育瘫亮弛出摇啡愈巾块犯佛炽浅拎密隔渍树怒斜闻纵甭良真矢熊中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 首先使用退化函数h对图像进行模糊操作， 生成一幅退化的图像，退化系统为 上式的计算过程是，先求出图像和退化函数的傅立叶变换， 在频域相乘后，再按下式求

60、逆傅立叶变换： 图像复原的具体实现过程如下。 序虫王非婪芯良蝗汗郑秒移史苇顽助陈想鸯况琢宙渝援耙缕魂叮扳残丹肃中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原1 添加菜单添加菜单 图6-7 图像复原菜单 吼龚男翘应鲍蝎您价党恢始哥檄万晰思陇灭刃铡亩韦铬帆费晕裤儿予趟汀中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 2 添加消息映射添加消息映射 在文档类中添加两个消息映射函数， 分别是OnRestoreBlur()和OnRestoreInvfilt()。OnRestorBlur()调用图像复原类CResto

61、re的ConvBlur()函数生成一幅退化图像。OnRestoreInvfilt()调用图像复原类CRestore的InvFilter()函数对退化图像进行复原。代码如下： void CDipDoc: : OnRestoreBlur() / TODO: Add your command handler code here /判断当前是否载入图像 if( m_pImageObject = NULL ) return; D /定义一个图像复原对象 CRestore Restore( m_pImageObject ); 户烈赏峦踪汉彼虐企舟烁渤予艺竹衔貉蔗揉恒叔暮脯输冷葛锚渐胺婶弱铆中南大学数学院数

62、字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 /调用卷积模糊函数 Restore.ConvBlur(); /更新视图 UpdateAllViews(NULL); OnRestoreInvfilt()函数主要代码如下， 其他代码与OnRestoreBlur()相同。void CDipDoc: : OnRestoreInvfilt() /调用逆滤波复原函数 Restore.InvFilter(); 谊耙酿企筛助剃祖串豆渗庄肤拭裁宠古郎喘冈独父的挤吼咸头明巷桔烦泄中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 3 CRes

63、tore类介绍类介绍 功能： 实现图像复原 函数列表： ConvBlur() 对图像进行卷积模糊处理， 生成一幅待复原的退化图像； InvFilter() 逆滤波复原法， 对由卷积模糊所造成的退化图像进行复原； ConvNoiseBlur() 对图像进行卷积噪声模糊处理， 生成一幅待复原的退化图像； Wiener() 维纳滤波复原法， 对由卷积噪声所造成的退化图像进行复原。 冻汤驹庶召尘替绊粕创擒褒酉苫献钧您躇数鱼缝漠当甫醒茬驰恃峰硫阅堵中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原4 函数实现代码函数实现代码ConvBlur()函数关键代码 /定

64、义卷积模板， 大小为77 Mm m_matFilter; m_matFilter=zeros(nHeight, nWidth); int i, j; for(i=1; i7; i+) for(j=1; j7; j+) 弓虚扫蹲婆瓣大唁蛔禄嫩音蛔西拧享砂浴旧厘就封若澜愉橇怎掩忽莽挤痹中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 m_matFilter.r(i, j)=0.02; / m_matBits是一个二维矩阵， 存储的是图像数据/对原图像进行快速傅立叶变换， 将图像从空域变换到频域m_matBits=fft2(m_matBits); /对模板

65、进行快速傅立叶变换m_matFilter=fft2(m_matFilter); /频率相乘for(i=1; i=nHeight; i+) for(j=1; j=nWidth; j+) 谴碟诛今舵豫帘慌匪憋了枣郊翁樟垃凛雌退渐惧矾诅法瑟域复串记揉臭皂中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 m_matBits.r(i, j)=m_matBits.r(i, j)*m_matFilter.r(i, j)-m_matBits.i(i, j)*m_matFilter.i(i, j); m_matBits.i(i, j)=m_matBits.r(i, j

66、)*m_matFilter.i(i, j)+m_matBits.i(i, j)*m_matFilter.r(i, j); /对图像做逆傅立叶变换， 将图像从频域变换到空域m_matBits=ifft2(m_matBits); InvFilter()函数关键代码 /对原图像进行快速傅立叶变换， 将图像从空域变换到频域 届汝臭慑谍骡虹斡催佯略远您忱艳治忻斜菲版炉偷腿艺嫂迫抱诫幽含辖酝中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 m_matBits=fft2(m_matBits); /对模板进行快速傅立叶变换 m_matFilter=fft2(m_ma

67、tFilter); /频率相乘 double a, b, c, d; for(i=1; i=nHeight; i+) for(j=1; j0.003) 包吁载句湿烤嗅锚秤随吃羚保浑掉寨构疯披搔甜矽耍撞盈备劝客怒郁贾脐中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原 m_matBits.r(i, j)=(a*c+b*d)/(c*c+d*d); m_matBits.i(i, j)=(b*c-a*d)/(c*c+d*d); /对图像进行快速逆傅立叶变换， 将图像从频域变换到空域 m_matBits=ifft2(m_matBits); 刀灿缅片攒案舷猖暴札毅浓愉骨虫委狐咸质贪泅近董衰掺汛守运她书冒卑中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原图6-8 逆滤波法复原图像(a) 原始图像； (b) 退化图像； (c)复原图像 (a)(b)(c)玉组粟辟垮砾菊砧辈酱佑冕擦淆哮噬影臣凋教腋续俘超蝉途蓄毫考温靴刑中南大学数学院数字图像处理课件第6章-图像复原中南大学数学院数字图像处理课件第6章-图像复原