数字图像处理 ch5图像复原 学习

5.1 图像退化/复原过程的模型

退化：由于成像系统各种 因素的影响，使得图像质量降低

5.2 噪声模型
一些重要的噪声

1. 高斯噪声（正态噪声）（gaussian）
2. 瑞利噪声
3. 伽马（爱尔兰）噪声
4. 指数分布噪声
5. 均匀分布噪声
6. 脉冲噪声（椒盐噪声）

噪声产生：

clc
clear
%注意此处函数imnoise2与imnoise不同，imnoise是对一幅图像加噪声
r=imnoise2('gaussian',100000,1,0,1);%imnoise2是产生噪声矩阵，这里是产生高斯噪声，矩阵大小为10000*1
bins=100;                           %均值为0，方差为1
hist(r,bins);%将r矩阵中的数值直方图表示出来，共100个bin
title('guassian');

几种噪声的运用

1. 高斯噪声源于电子电路噪声和由低照明度或 高温带来的传感器噪声
2. 瑞利噪声对分布在图像范围内特征化噪声有用
3. 伽马分布和指数分布用于激光成像噪声
4. 均匀密度分布作为模拟随机数产生器的基础
5. 脉冲噪声用于成像中的短暂停留中，如错误 的开关操作

估计噪声参数
频域：傅里叶谱周期； 空间域：平均值、方差；MATLAB代码：statmoments（计算平均值和中心距）

[v,unv]=statmoments(p,2);%对感兴趣图像区域求均值v和方差unv

5.3 空间域滤波复原（唯一退化是噪声）
图像复原的空间滤波器（滤噪声）
CDF:累积分布函数

5.3.1 均值滤波器：

处理高斯或均匀等随机噪声：

1. 算术均值滤波器(在模糊了结果的同时减少了噪声)
2. 几何均值滤波器（与算术均值滤波器相比，会丢失更少的图像细节——相对锐化）
3. 谐波均值滤波 器（“盐”噪声效果好、不适合“胡椒”噪声、善于处理高斯噪声）
4. 逆谐波均值滤波器（适合减少或是在实际中消除椒盐噪声的影响；Q为正数时，消除“胡椒”噪声；Q为负数时，消除“盐”噪声；Q=0 时，退变为算术均值滤波器；Q=-1 时，退变为谐波均值滤波器）

5.3.2 顺序统计滤波器：

1. 中值滤波器(medfilt2)：相同尺寸下，比线性平滑滤波器引起的模糊少；尤其对单极或双极脉冲噪声非常有效；最著名的顺序统计滤波器
2. 最大值滤波器：用于发现最亮点；有效过滤“胡椒”噪声（“胡椒”噪声 （近似黑点–0）是非常低的值）
3. 最小值滤波器：用于发现最暗点；有效过滤“盐”噪声（“盐”噪声 （近似白点–1）是非常高的值）
4. 中点滤波器：高斯和均匀随机分布这类噪声有最好的效果
5. 修正后的阿尔法均值滤波器：在包括多种噪声的情况下非常适用，像高斯和椒盐噪声混合的情况下

5.3.3 自适应滤波器

1. 自适应局部噪声消除滤波器
2. 自适应中值滤波器

自适应

%自适应滤波
f=imread('219.tif');
subplot(2,2,1),imshow(f) 
g=imnoise(f,'salt & pepper',.25);
subplot(2,2,2),imshow(g) 
f1=medfilt2(g,[7 7],'symmetric');
subplot(2,2,3),imshow(f1)
f2=adpmedian(g,7);
subplot(2,2,4),imshow(f2) 

5.4 频率域滤波复原（削减周期噪声）

1. 带阻滤波器：理想带阻滤波器、巴特沃思带阻滤波器、高斯带阻滤波器----在频率域噪声分量的一般位置近似已知的应用中消除噪声
2. 带通滤波器----在选中频段的图像中屏蔽效果时是非常有用的
3. 陷波滤波器
4. 最佳陷波滤波器

5.7 逆滤波：消除图像模糊的能力很强
5.8 维纳滤波（最小均方误差滤波 复原退化 ）----线性图像复原
维纳滤波：建立在最小统计准则的基础上，在平均意义上它是最优的

%维纳滤波 续例4.7 deconvwnr函数
subplot(2,2,1),imshow(g),title("退化图像");
frest1=deconvwnr(g,psf);
subplot(2,2,2),imshow(frest1),title("直接逆滤波");
Sn=abs(fft2(noise)).^2;
nA=sum(Sn(:))/numel(noise);
Sf=abs(fft2(f)).^2;
fA=sum(Sf(:))/numel(f);
R=nA/fA;
frest2=deconvwnr(g,psf,R);
subplot(2,2,3),imshow(frest2),title("常数维纳滤波");
ncorr=fftshift(real(ifft2(Sn)));
icorr=fftshift(real(ifft2(Sf)));
frest3=deconvwnr(g,psf,ncorr,icorr);
subplot(2,2,4),imshow(frest3),title("自相关维纳滤波");

5.9 约束最小二乘方滤波器—线性图像复原
约束最小二乘方滤波器：只要求噪声方差和均值的知识；对于处理的每一幅图像它都能产生最优结果