图像复原与重建（一）——图像退化模型与噪声模型

开始学习数字图像处理这个课了，膜拜冈萨雷斯，带我飞！

图像退化复原模型

退化后的图像=退化函数*原图像+一个加性噪声

空间域：卷积

频率域：乘积

大写表示空间域的傅里叶变换。

这个是所有图像复原的基础公式，复原则是将噪声去除，即去除H与N的影响。

噪声模型

噪声的来源有很多，来自成像系统，运动模糊，辐射失真等。

概率密度函数（PDF）

概率分布函数（CDF）。

两者的区别：F的值是0到1，f 的所有和是1。（概率论的概念）

高斯噪声

瑞利噪声

伽马噪声

指数噪声

均匀噪声

椒盐噪声

如何加上述噪声

在MATLAB中，图像处理工具箱采用imnoise函数，使噪声污染一幅图像。

基本语法：

                                     g=imnoise(f, type, parameters)

其中，f是输入图像。

注意：函数imnoise在为图像添加噪声之前，将图像转换为范围在[0，1]的double类型。

周期噪声

周期噪声可以通过频率域滤波解决。

噪声种类的确定

可以通过估计 概率直方图 的均值和方差邓方法来判断是什么噪声。