图像复原
SilenceHell
学生,希望能在csdn上学到知识。
展开
-
线性,位置不变的退化
加性:H[f1(x,y)+f2(x,y)]=H[f1(x,y)]+H[f2(x,y)]H[f_1(x,y)+f_2(x,y)]=H[f_1(x,y)]+H[f_2(x,y)]H[f1(x,y)+f2(x,y)]=H[f1(x,y)]+H[f2(x,y)]均匀性:H[af1(x,y)]=aH[f1(x,y)]H[af_1(x,y)]=aH[f_1(x,y)]H[af1(x,y)]=a...原创 2018-09-27 11:07:22 · 1555 阅读 · 0 评论 -
估计退化函数
要想图像复原我们就得知道系统的冲击响应Hs(u,v)H_s(u,v)Hs(u,v)但是这个函数我们是不知道的,所以我们就要对其进行估计,估计的方法主要由三种。1.图像观察估计首先为了消除噪声的影响,我们选取图形中噪声影响较小的区域,比如高对比区域。然后对该区域进行人工处理以便得到清晰的图像,然后利用以下公式估计出系统的冲激响应:Hs(u,v)=Gs(u,v)F^s(u,v)H_s(u,v)...原创 2018-09-27 11:42:24 · 4650 阅读 · 0 评论 -
逆滤波
知道了退化函数,那么我们该怎么利用退化函数来复原图像呢?我们这里采用逆滤波的方式,逆滤波的公式如下所示:没有噪声的情况下,我们能够很好的复原出原来的图像,但是在右噪声的情况下:当H(u,v)很小的时候,逆滤波反而会增加图像的噪声。一般当H(u,v)接近(0,0)的时候值比较大,而远离(0,0)的时候值会越来越小,所以经过上式变换后远离(0,0)的地方的噪声会急剧变大,但是接近(0,0)...原创 2018-09-27 11:51:02 · 6541 阅读 · 0 评论 -
维纳滤波
上一节讲了逆滤波,这一次讲讲维纳滤波,逆滤波在图像没有噪声的情况下是很好的,但在有噪声的情况下,噪声会被放大,所以维纳滤波就横空出世了,维纳滤波能很好的解决有噪声的图像修复。维纳滤波是诺波特·维纳在二十世纪四十年代提出的一种滤波器,即假定线性滤波器的输入为有用信号和噪声之和,两者均为广义平稳过程且知道它们的二阶统计特性,根据最小军方误差准则(滤波器的输出信号与需要信号之差的均方值最小),求得最佳...原创 2018-09-29 12:19:52 · 33655 阅读 · 2 评论 -
几何均值滤波
理解了前几篇文章讲的东西那么这篇文章讲的东西就很容易懂了,因为这就是前两篇内容的总结啊。几何均值滤波器的公式如下:以上公式出处为:“维纳滤波图像复原技术的研究与改进”但是这个公式有个问题,最后的指数系数是1-α而不是1-2.以上公式是逆滤波和维纳滤波的中和体。当α为1时,该滤波器退化为逆滤波器,当α=0时,该滤波器变为参数维纳滤波器,参数在r=1时变为标准的维纳滤波器,当α=1/2时,则滤...原创 2018-09-29 13:26:46 · 8047 阅读 · 1 评论 -
Lucy-Richardson算法
维纳滤波是频域的图像修复算法,而LR算法是时域的一种图像修复算法,LR算法基于贝叶斯理论,泊松分布和最大似然估计算法对图像进行修复。以下公式及内容参考于论文:“基于 Lucy-Richardson 算法的头部运动模糊CT 图像复原方法研究”首先介绍贝叶斯理论:连续贝叶斯公式:离散贝叶斯:那么贝叶斯公式要怎么应用于我们的LR算法呢?接下来最大似然估计就得出场了,如果模糊图像g是由原...原创 2018-09-29 16:43:05 · 16887 阅读 · 6 评论 -
卡尔曼滤波
话不多说,首先推荐两个博客:https://blog.csdn.net/u012554092/article/details/78290223https://blog.csdn.net/phker/article/details/48468591以上两个公式都对公式进行了一定的说明,但是说真的,公式的说明还是太简洁了,很多地方看得还是很模糊,但是还好有例子,所以定性的认识还是很容易的。首先...原创 2018-09-30 14:06:56 · 456 阅读 · 0 评论