图像复原之退化模型
2017-03-25 15:17
246 查看
图像复原之退化模型
概述
引言
退化就是将一幅正常的图像给弄得不正常,从而验证后续的复原方法是否能达到预期的效果。如上图所述,正常的图像经过退化函数H还需要加噪声,下面我们来介绍几种常见的噪声模型。
高斯噪声来源于诸如电子线路的传感器噪声;瑞利噪声源于深度成像的表征噪声现象;指数和伽马源于激光成像。
对于这些噪声的去除估计大家应该会想到很多的方法。空域包括如均值滤波,统计滤波中的中值滤波,频域的带阻滤波和陷波器等。
这里想强调的是忽略考虑滤波器复杂度的问题的话,自适应滤波器也应该纳入我们的考虑范围之类。所谓的自适应就是指让系统实现反馈调节自己的参数,从而达到最佳的效果。频域的消除噪声自适应滤波器是最佳陷波器。
位置不变的线性退化
点扩散可以概括为空阈的卷积即即实现了退化
建模估计退化
首先介绍大气湍流模型,让图像具有一种大气湍流模糊的退化效果。下面重点来了,运动模糊。即由于摄像头的运动引起的图像退化。
下面我们用matlab实现一下原图像卷积一个运动滤波器。
LEN = 31;THETA = 11; PSF=fspecial('motion',LEN,THETA);
这里在再介绍一波fspecial的用法吧
完事具备了,接下来我们用线性移动滤波和圆形均值滤波(低通模糊效果)再来实现退化
至此,退化部分介绍完毕了。接下来就是使用各种滤波来实现图像的复原了,这其中自然包含了千呼万唤始出来的维纳滤波了。
示例代码
clc; clear; close all; I = imread('jyy.jpg'); % 读入图像 I = rgb2gray(I); I = I(60+[1:256],222+[1:256],:); % 图像剪切 subplot(1,2,1); imshow(I); % 显示原始图像 title('原始图像'); % 设置图像标题 LEN = 31; % 模糊长度 THETA = 11; % 角度 PSF = fspecial('motion',LEN,THETA); % 生成PSF Blurred = imfilter(I,PSF,'circular','conv'); % 图像卷积计算 subplot(1,2,2);imshow(Blurred); % 显示处理后的图像 title('图像卷积运算效果'); % 设置图像标题
clc; clear; close all; I = imread('jyy.jpg'); % 读入图像 I = rgb2gray(I); subplot(2,2,1); imshow(I); xlabel('(a) 原始图像'); H = fspecial('motion',20,45); MotionBlur = imfilter(I,H,'replicate'); subplot(2,2,2); imshow(MotionBlur); xlabel('(b) 动态模糊图像'); H = fspecial('disk',10); blurred = imfilter(I,H,'replicate'); subplot(2,2,3);imshow(blurred); xlabel('(c) 模糊图像'); H = fspecial('unsharp'); sharpened = imfilter(I,H,'replicate'); subplot(2,2,4); imshow(sharpened); xlabel('(d) 图像锐化效果');
相关文章推荐
- python数字图像处理(五) 图像的退化和复原
- 【图像处理】MATLAB:退化函数及多种复原方法
- 图像退化模型
- [家里蹲大学数学杂志]第057期图像复原中的改进 TV 模型
- 模糊图像退化与去模糊的数学模型
- 怎样建立图像退化模型
- 【图像处理】MATLAB:退化函数及多种复原方法
- 数字图像处理—图像恢复和重建—退化模型
- 图像复原与重建:噪声模型及MATLAB实现
- 【图像处理】线性、位置不变退化图像的频域复原基础(维纳滤波,最小均方滤波,几何滤波)
- 图像的退化和复原
- 计算机视觉课程作业 基于词袋模型的图像分类算法
- 图像增强与图像复原
- 基于总变差模型的纹理图像中图像主结构的提取方法。
- [caffe]深度学习之图像分类模型AlexNet解读
- 图像拼合中的渐晕校正模型
- 图像处理之光源退化效果
- [caffe]深度学习之图像分类模型AlexNet解读
- matlab练习程序(TV模型图像修复)
- 目标识别之用Bag-of-words模型表示一幅图像