数字图像处理（5）- 图像恢复

目录

1.1 图像恢复概述

1.2 退化模型

1.2.1 连续退化模型

1.2.2 离散退化模型

1.2.3 频域退化模型

1.3 常见退化函数模型及辨识方法

1.3.1 常见的退化函数模型

1.3.2 退化函数的辨识方法

1.4 噪声模型

1.4.1 常见噪声模型

1.4.2 加噪声后的图像及其直方图 

2 空间域滤波复原

2.1 均值滤波器

2.2 顺序统计滤波器

3 频率域滤波复原

3.1 带阻滤波器

3.2 带通滤波器

4 逆滤波和维纳滤波

4.1 逆滤波

4.2 维纳滤波器

5 几何畸变图像的恢复

5.1 空间坐标变换 

5.2 灰度值的确定

---

1.1 图像恢复概述

        图像在形成、记录、传输等过程中，由于受光学成像系统的相差、成像衍射、成像非线性、系统噪声等多种因素的影响，图像的质量都会有所下降，图像的这一降质过程称为图像的退化，此时的图像就称为退化图像。图像恢复，又叫图像复原，就是尽可能地减少或消除图像质量的下降，恢复被退化图像的本来面目。

  

常见图像退化形式：举两个例子。 

 

        与图像增强的区别：

1.2 退化模型

退化模型的性质： 

 

图像退化的数学模型： 

 

采用线性移不变系统模型的原因： 

 

 

1.2.1 连续退化模型

1.2.2 离散退化模型

用矩阵运算描述： 

 

 循环矩阵H的对角化，后面会再叙述。

1.2.3 频域退化模型

1.3 常见退化函数模型及辨识方法

1.3.1 常见的退化函数模型

1. 线性运动退化函数
2. 散焦退化函数
3. 高斯退化函数

1.3.2 退化函数的辨识方法

1. 图像观测法
2. 试验估计法
3. 数学建模法

 

 

 

大气湍流模型 

与高斯滤波器公式相同

 

运动模糊模型 

1.4 噪声模型

1.  高斯噪声
2. 均匀分布噪声
3. 脉冲噪声（椒盐噪声）

1.4.1 常见噪声模型

 

模拟随机数时是比较常用的。

 

 

1.4.2 加噪声后的图像及其直方图 

 

 直方图有一定特点，可大致推测噪声类型。

2 空间域滤波复原

在已知噪声模型的基础上，对噪声的空间域滤波，主要包括：

均值滤波器：

算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器。

顺序统计滤波器：

中值滤波器、二维中值滤波器、修正后的阿尔法均值滤波器、最大/最小滤波器、中点滤波器。

2.1 均值滤波器

 

应用示例： 

 

2.2 顺序统计滤波器

 

  

应用示例：

 

3 频率域滤波复原

在图像增强中讨论了低通和高通频域滤波器，把它们作为图像增强的基本工具。本节将讨论更加专用的带阻、带通和陷波滤波器，它们能削减或消除周期性噪声。

原理：空间域卷积相当于频率域乘积。可以在频率域中直接设计滤波器，对图像进行恢复处理。

分类：常用的图像恢复方法有带阻滤波器、带通滤波器 、陷波滤波器等。

3.1 带阻滤波器

 

更加平滑 

 示例：

3.2 带通滤波器

有用图像信号的频段已知 

 

 示例效果:

4 逆滤波和维纳滤波

4.1 逆滤波

 

1. 实验证明，当退化图像的噪声较小，即轻度降质时，采用逆滤波恢复的方法可以获得较好的结果。

2. 当噪声作用范围很大时，逆滤波不能从噪声中提取图像。

4.2 维纳滤波器

引入：

 

 维纳滤波器：

维纳滤波的使用条件： 

 应用：

 

 

5 几何畸变图像的恢复

 

 

5.1 空间坐标变换 

 

 

 

 

 

5.2 灰度值的确定

1. 最近邻域法
2. 双线性内插法
3. 三次内插法