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
- 高斯噪声(正态噪声)(gaussian)
- 瑞利噪声
- 伽马(爱尔兰)噪声
- 指数分布噪声
- 均匀分布噪声
- 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
- 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
- 瑞利噪声对分布在图像范围内特征化噪声有用
- 伽马分布和指数分布用于激光成像噪声
- 均匀密度分布作为模拟随机数产生器的基础
- 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:
- 算术均值滤波器(在模糊了结果的同时减少了噪声)
- 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)
- 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)
- 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:
- 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
- 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)
- 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)
- 中点滤波器:高斯和均匀随机分布这类噪声有最好的效果
- 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
- 自适应局部噪声消除滤波器
- 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)
- 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
- 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
- 陷波滤波器
- 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