复原通过使用退化现象的先验知识试图重建或者恢复一幅图像。因此,复原技术趋向于将退化模型化并用相反的处理来恢复原图像
这里应用退化函数把退化过程模型化,它和加性噪声项一起,作用于输入图像,产生一副退化图像。
使用imnoise函数添加噪声,共有流六类噪声可以使用。
使用指定的分布产生空间随机噪声
空间噪声值是随机数,以PDF和CDF来表征。随机变量分为均匀,高斯,椒盐,对数正态,瑞利,指数,厄兰
他们都被封装在了imnoise2中的函数中
周期噪声
图像的周期噪声通常是通过频域滤波来处理的它的噪声模型是二维正弦波它和它的M*N DET被封装在了imnoise3函数中,周期噪声的参数一般是通过分析图像的傅立叶频谱来估计的。通过样本图像来估计均值和方差,然后利用这些估计来求解噪声PDF的参数。噪声参数通常直接由带噪声的图像和一组带噪声的图像来估计。所选择的方法是在一幅图像中选择一个尽可能与背景一样无特色的区域,以便使该区域的亮度值的可变性主要有噪声产生。用函数roipoly函数寻则一个感兴趣的区域然后再通过绘制所选区域的直方图与使用imnoise2产生的数据进行比较被覆盖区域的均值和方差是通过statmoments函数计算得到。
空间噪声滤波器
空间滤波器的名称有算术平均,几何平均,调和平均,反调和平均,中值,最大,最小,中点。顺序-平衡均值他们都被封装在spfilt中可以直接实用此函数来实现滤波器。
自适应空间滤波器
是基于自适应中值滤波算法的基础上用admedin函数能够实现。
通过频域滤波降低周期噪声
滤除这些成分的主要途径是通过陷滤波。n阶巴特沃兹陷滤波器函数
退化函数建模
使用IPT函数fpecial对图像模糊建模,使用imfilter来创建一个已知PSF计算得到PSF的退化图像
维纳滤波线性图像复原方法,维纳滤波器寻找一个统计误差函数,他是在deconvwnr来实现的
约束的最小二乘方滤波
也是实现线性复原的方法。是通过函数deconvereg函数来实现的
使用LR算法的迭代非线性复原
基于模型的最大似然数方程利用函数deconvlucy实现的
盲去卷积
不以PSF知识为基础的图像复原方法统称为盲去卷积算法。使用deconvblind函数实现。
这里应用退化函数把退化过程模型化,它和加性噪声项一起,作用于输入图像,产生一副退化图像。
使用imnoise函数添加噪声,共有流六类噪声可以使用。
使用指定的分布产生空间随机噪声
空间噪声值是随机数,以PDF和CDF来表征。随机变量分为均匀,高斯,椒盐,对数正态,瑞利,指数,厄兰
他们都被封装在了imnoise2中的函数中
周期噪声
图像的周期噪声通常是通过频域滤波来处理的它的噪声模型是二维正弦波它和它的M*N DET被封装在了imnoise3函数中,周期噪声的参数一般是通过分析图像的傅立叶频谱来估计的。通过样本图像来估计均值和方差,然后利用这些估计来求解噪声PDF的参数。噪声参数通常直接由带噪声的图像和一组带噪声的图像来估计。所选择的方法是在一幅图像中选择一个尽可能与背景一样无特色的区域,以便使该区域的亮度值的可变性主要有噪声产生。用函数roipoly函数寻则一个感兴趣的区域然后再通过绘制所选区域的直方图与使用imnoise2产生的数据进行比较被覆盖区域的均值和方差是通过statmoments函数计算得到。
空间噪声滤波器
空间滤波器的名称有算术平均,几何平均,调和平均,反调和平均,中值,最大,最小,中点。顺序-平衡均值他们都被封装在spfilt中可以直接实用此函数来实现滤波器。
自适应空间滤波器
是基于自适应中值滤波算法的基础上用admedin函数能够实现。
通过频域滤波降低周期噪声
滤除这些成分的主要途径是通过陷滤波。n阶巴特沃兹陷滤波器函数
退化函数建模
使用IPT函数fpecial对图像模糊建模,使用imfilter来创建一个已知PSF计算得到PSF的退化图像
维纳滤波线性图像复原方法,维纳滤波器寻找一个统计误差函数,他是在deconvwnr来实现的
约束的最小二乘方滤波
也是实现线性复原的方法。是通过函数deconvereg函数来实现的
使用LR算法的迭代非线性复原
基于模型的最大似然数方程利用函数deconvlucy实现的
盲去卷积
不以PSF知识为基础的图像复原方法统称为盲去卷积算法。使用deconvblind函数实现。