matlab图像恢复
一、实验类型:验证性实验
二、实验目的
1. 掌握退化模型的建立方法。
2. 掌握图像恢复的基本原理。
三、实验设备:安装有MATLAB 软件的计算机
四、实验原理
一幅退化的图像可以近似地用方程g=Hf+n 表示,其中g 为图像,H为变形算子,又称为点扩散函数(PSF ),f 为原始的真实图像,n 为附加噪声,它在图像捕获过程中产生并且使图像质量变坏。其中,PSF 是一个很重要的因素,它的值直接影响到恢复后图像的质量。
I=imread(‘peppers.png’);
I=I(60+[1:256],222+[1:256],:);
figure;imshow(I);
LEN=31;
THETA=11;
PSF=fspecial(‘motion’,LEN,THETA);
Blurred=imfilter(I,PSF,’circular’,’conv’);
figure;imshow(Blurred);
MATLAB 工具箱中有4 个图像恢复函数,如表3-1 所示。这4 个函数都以一个PSF 和模糊图像作为主要变量。deconvwnr 函数使用维纳滤波对图像恢复,求取最小二乘解,deconvreg 函数实现约束去卷积,求取有约束的最小二乘解,可以设置对输出图像的约束。deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。该函数采用优化技术和泊松统计量进行多次迭代。使用该函数,不需要提供有关模糊图像中附加噪声的信息。 deconvblind 函数使用的是盲去卷积算法,它在不知道PSF 的情况下进行恢复。调用deconvblind 函数时,将PSF 的初值作为一个变量进行传递。该函数除了返回一个修复后的图像以外,还返回一个修复后的PSF。下面以维纳滤波和约束去卷积为例说明图像恢复的实验原理。
deconvwnr | 使用维纳滤波对图像恢复 |
deconvreg | 对图像进行约束去卷积 |
deconvlucy | 用Lucy-Richardson 算法实现图像恢复 |
deconvblind | 用盲去卷积算法实现图像恢复 |
1. 维纳滤波
使用deconvwnr 函数可以利用维纳滤波方法恢复图像。在图像的频率特征和附加噪声已知的情况下,Wiener 滤波比较有效。本例演示了维纳滤波器的性能,同时也演示了PSF 的重要性。得到准确的PSF 时,恢复的结果会比较好。
I=imread(‘peppers.png’);
I=I(10+[1:256],222+[1:256],:);
LEN=31;
THETA=11;
PSF=fspecial(‘motion’,LEN,THETA);
Blurred=imfilter(I,PSF,’circular’,’conv’);
wnrl=deconvwnr(Blurred,PSF);
imshow(wnrl);
2. 约束去卷积
采用deconvreg 函数可以对图像进行约束去卷积。当知道附加噪声的部分信息时,使用约束去卷积实现图像恢复比较有效。
(1)将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。
I=imread('flowers.tif');
I=I(10+[1:256],222+[1:256],:);
figure;imshow(I);
(2 )创建PSF
PSF=fspecial(‘gaussian’,11,5);
(3)模糊化图像并添加噪声。
Blurred=imfilter(I,PSF,’conv’);
V=0.02;
BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);
figure;imshow(BlurredNoisy);
(4 )用deconvreg 函数恢复图像,指定PSF 和噪声幂次NP 。
NP=V*prod(size(I));
[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);
figure,imshow(reg1);
五、实验内容
选择一幅清晰图像,对该图像进行模糊化处理,然后分别采用逆滤波、 维纳滤波和约束去卷积恢复原来图像,比较各图像恢复方法的恢复效果。
六、实验步骤与结果
将一张图片保存在C盘,保存名为0.jpg
1、(1)选择一幅清晰图像,对该图像进行模糊化处理
I=imread(‘0.jpg’);
I=I(60+[1:256],222+[1:256],:);
figure;imshow(I);
LEN=31;
THETA=11;
PSF=fspecial(‘motion’,LEN,THETA);
Blurred=imfilter(I,PSF,’circular’,’conv’);
figure;imshow(Blurred);
结果如图所示:
![v2-3a6a9e5a8abc07ec6d11aa79bdcab918_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/bb937c9a202b2f0b1ed05e352926ba82.jpeg)
![v2-17a46ac63dc5ba612527ab76786192fc_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/66f02a5aa72df9a8657f457a5f852b64.png)
原始图像 模糊化后的图像
(2)、使用deconvwnr 函数可以利用维纳滤波方法恢复图像。
I=imread(‘0.jpg’);
LEN=31;
THETA=11;
PSF=fspecial(‘motion’,LEN,THETA);
Blurred=imfilter(I,PSF,’circular’,’conv’);
wnrl=deconvwnr(Blurred,PSF);
imshow(wnrl);
结果如图所示:
![v2-12ee39d07164c9c3c32021412b99dd96_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/4d6228eccf7bb412c957896d593caa68.jpeg)
2,、(1)将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。
I=imread('0.jpg');
figure;imshow(I);
结果如图所示:
![v2-2ace6aee58d3ec906bd094942e58416f_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/585fd81bd08790a18bdc65f9b5a67207.jpeg)
(2)模糊化图像并添加噪声。
Blurred=imfilter(I,PSF,’conv’);
V=0.02;
BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);
figure;imshow(BlurredNoisy);
![v2-c7699c892722cd7448a29ea4148bca2c_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/38d44bd5d3e5842fb5c0254369d21f34.jpeg)
(3 )用deconvreg 函数恢复图像,指定PSF 和噪声幂次NP 。
NP=V*prod(size(I));
[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);
figure,imshow(reg1);
![v2-8912f186d9357447f0cb65a54d2e7c6f_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/7a57460520f3464dc1e212744658d32c.png)