更多MATLAB图像处理视频请点击 http://study.163.com/course/courseMain.htm?courseId=1003594013
由于拍摄技术或自然条件的限制,使的很多图像的质量降低,甚至有些图像十分模糊,掩盖了我们想得到的信息。图像的复原技术就是消除图像的模糊,产生一幅质量清晰的图像,例如对于运动模糊产生的图片,如果用肉眼直接观察很难对图像做出解释,这时需要利用图像复原技术来得到清晰的图像。
更多MATLAB图像处理视频请点击 http://study.163.com/course/courseMain.htm?courseId=1003594013
本章主要描述如何利用MATLAB工具箱中的函数使图像变得更清晰,包括以下几部分:
(1)图像的退化模型,对图像质量退化的原因和数学模型做 了简单的结束
(2)图像的恢复模型,对图像反卷积的模型做了介绍
(3)图像的复原方法,对MATLAB工具箱中提供的四种去模糊方法做了介绍
1 .图像的退化
图像的退化是指在图像的获取传输过程中,由于成像系统、传输介质方面的原因,造成图像质量下降,典型的变现为图像模糊,、失真、含有噪声等。
产生图像退化的原因有很多,常见的有以下几种:
(1)目标或者拍摄装置的移动造成的运动模糊、长时间曝光引起的模糊等;
(2)焦点没对准、光角引起的模糊、大气扰动引起的模糊、曝光时间太短引起拍摄装置捕获的光子太少引起的模糊等。
(3)散焦引起的图像扭曲
(4)图像在成像、数字化、采集和处理过程中引入噪声。
1.1 图像退化的属性模型
图像复原的关键是建立图像的退化模型,一幅清晰的图像通过一个退化系统H,然后加入加性噪声能够生成一幅退化图像,图像的退化模型可用下图描述:
对图中所示的模型,可用数学表达式来表述:
g(x,y)=h(x,y)*f(x,y)+n(x,y)
其中,g(x,y)是指退化的图像,h(x,y)是指失真函数,f(x,y)为原图像,n(x,y)为加性噪声,*代表卷积运算
空间域的卷积运算对应于频域的相乘,所以上述公式可用频域模型表述为
G(u,v)=H(u,v)F(u,v)+N(u,v)
其中,G(u,v),H(u,v),F(u,v),N(u,v)分别为g(x,y),h(x,y),f(x,y),n(x,y)的傅立叶变换
上面的退化模型可以简写为:
g=Hf+n
其中,g是指质量退化的图像, H是指失真函数,即点扩散函,点扩散函数描述的是一个光学系统对真实图像的模糊程度,f是指真实图像,n是指加性噪声。
从模型中,我看可以看出,图像去模糊的主要任务是用点扩散函数反卷积模糊的图像。
例:对清晰的图像通过卷积一个特殊的点扩散函数来产生模糊的图像
I=imread('peppers.png');
figure,subplot(121),imshow(I),title('原图');
LEN=31;
THETA=11;
PSF=fspecial('motion',LEN,THETA); %fspecial函数详解,百度词条
%http://baike.baidu.com/link?url=2lYu8whcELuqCIU35z_PMMSgR0LuQEYN7FO4fCPUpBUIjUUymYZxK-CY_PfB2-xmM1OQSY7j3mfIAy4PjTjwTy1z6wBqMe5B1xxpxT3WSY_
Blurred=imfilter(I,PSF,'circular','conv');
subplot(122),imshow(Blurred),title('模糊后的图');
1.2 图像的噪声
数字图像的噪声主要来自数字图像的获取和传输过程。图像的噪声种类有很多,常见的噪声有高斯噪声,瑞利噪声,伽马噪声,指数分布噪声,均匀分布噪声,椒盐噪声等。
(1)高斯噪声的概率密度函数为: