数字图像处理（第三版）第5章 图像复原与重建

5.1 图像退化/复原过程的模型

上图是一个图像退化/复原的模型。退化的过程被建模为一个退化函数和一个加性噪声项，对一幅输入图像f(x,y)进行处理，产生一幅退化后的图像g(x,y).图像复原就是获取原始图像的一个估计f*(x,y)。
空间域中的退化图像由下式得，其中，该式可改写为

5.2 噪声模型

5.2.1 噪声的空间和频率特性

频率特性是指傅里叶域中噪声的频率内容（即相对于电磁波谱的频率），当噪声的傅里叶谱是常量时，噪声通常称为白噪声。

5.2.2 一些重要的噪声概率密度函数

高斯噪声
高斯随机变量z的PDF由下式给出：当z服从上式都分布时，由下图可看出其分布图像。
瑞利噪声
瑞利噪声的PDF由下式给出：，概率密度的均值和方差由下式给出
爱尔兰（伽马）噪声
它的PDF由下式给出概率密度的均值和方差由下式给出
指数噪声
如上所述

均匀噪声

脉冲（椒盐）噪声

PDF如下
如果b>a,则灰度级b在图像中显示为一个亮点，反之，a显示为一个暗点。
若Pa或Pb为零，则脉冲噪声称为单极脉冲。

5.2.3 周期噪声

一幅图像中的周期噪声是在图像获取期间由电力或机电干扰产生的。
如果空间域中正弦波的振幅足够强，我们在该图像的谱中将看到图像中每个正弦波的脉冲对。如b图所示。

5.2.3 噪声参数的估计

周期噪声的参数是通过检测图像的傅里叶谱来估计的。
从上图可看出，由于缩放原因，它们高度不同，但形状类似。
我们估计S的均值和方差如下：
直方图的形状确定最接近的PDF匹配。如果其形状近似于高斯，那么均值和方差正是我们需要的。

5.2 只存在噪声的复原——空间滤波

当一幅图像中唯一存在的退化是噪声时，
在周期噪声的情况下，由G(u,v)的谱来估计N(u,v)是可能的。从G(u,v)中减去N(u,v)可得到原图像的一个估计。

5.3.1 均值滤波器

算术均值滤波器
这是最简单的滤波器，令Sxy表示中心在点（x,y）处，大小为mxn的矩形子图像窗口（邻域）的一组坐标。点（x,y）处复原原图像，即
可以使用一个大小为mxn的空间滤波器来实现。

几何均值滤波器
使用几何均值滤波器复原图像由下式给出
每个复原的像素由子图像窗口中像素乘积的1/mn次幂给出。

谐波均值滤波器
由下式给出
逆谐波均值滤波器
由下式给出Q是滤波器的阶数。适用减少在实际中消除椒盐噪声的影响。Q为正时，消除胡椒噪声，Q为负时，消除盐粒噪声。但不能同时消除这两种噪声。

5.3.2 统计排序滤波器

中值滤波器
由下式给出
在(x,y)处的像素值是计算的中值。

最大值和最小值滤波器
最大值滤波器由下式给出适用于发现图像中的最亮点。
最小值滤波器由下式给出
适用于发现图像中的最暗点。

中点滤波器
简单地计算滤波器包围区域中最大值和最小值之间的中点。即
结合了统计排序和求平均。

修正的阿尔法均值滤波器
假设在邻域Sxy内去掉g(s,t)最低灰度值的d/2和最高灰度值的d/2。令g(s,t)代表剩下的mn-d个像素。由这些像素的平均值形成的滤波器称为修正的阿尔法均值滤波器，即，其中，d的取值范围为0到mn-1。

5.4 用频率域滤波消除周期噪声

5.4.1 带阻滤波器

下图显示了理想、布特沃斯和高斯带阻滤波器的传递函数的透视图，并且说明了使用一个带阻滤波器降低周期噪声的效果。
带阻滤波器的主要应用之一就是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。

5.4.2 带通滤波器

带通滤波器执行与带阻滤波器相反的操作。使用传递函数为的带阻滤波器得到带通滤波器的传递函数

5.4.3 陷波滤波器

陷波滤波器阻止（或通过）事先定义的中心频率的邻域内的频率。下图显示了理想、布特沃斯和高斯带阻滤波器的三维图。
我们可以得到通过而不是抑制陷波区域中所包含频率的陷波滤波器。故它们的传递函数由下式给出：

5.5 线性、位置不变的退化

函数复原前，输入/输出关系可表示为假设，
则g(x,y)=H[ f(x,y) ],如果
则H是一个线性系统，a和b是标量，f1(x,y)和f2(x,y)是两幅输入图像。若a=b=1，则上式变为这就是加性。表明，如果H为线性算子，那么两个输入之和的响应等于两个响应之和。
总之，具有加性噪声的线性空间不变退化系统，可在空间域建模为退化（点扩散）函数与一幅图像的卷积，然后再加上噪声。许多类型的退化可近似为线性、位置不变的过程。

5.6 估计退化函数

主要有三种估计退化函数的方法
（1）观察法；（2）试验法；（3）数学建模法

5.6.1 图像观察估计

基于图像被线性、位置不变的过程退化的假设，估计H的一种方法就是从图像本身来收集信息。假设噪声的影响由于选择了一个强信号区域而可以忽略，可得这一函数特性，然后还原完整的退化函数H(u,v)。

5.6.2 试验估计

如果可以使用与获取退化图像的设备相似的装置，得到一个精确的退化估计是可能的。如下图所示
一个冲激可由一个亮点来模拟，该点尽可能亮，以便将噪声的影响降低到可以忽略的程度。

5.6.3 建模估计

由于退化建模能解决图像复原问题，模型甚至可以考虑引起退化的环境条件。下图根据下式进行建模。

5.7 逆滤波

在已知退化函数时，研究由退化函数H退化的图像复原的最初手段，最简单的方法就是直接做逆滤波，如下式
经过相关计算，得到即使知道退化函数，也不能准确地复原未退化的图像，因为N(u,v)未知。

5.8 几何均值滤波

形式如下

几何均值滤波器由两个括号内的幂次分别为a和1-a的表达式组成。当a为1时，该滤波器退化为逆滤波器；当a为0时，该滤波器变成参数维纳滤波器；当a=1/2时，滤波器变为相同幂次的两个量的积，这是几何均值的定义。

5.9 由投影重建图像

5.9.1 计算机断层（CT）原理

X射线计算机断层的目的是使用X射线从多个方向穿过物体而得到物体内部结构的三维描述。

a图是第一代CT扫描仪，b图是第二代CT扫描器，它与第一代扫描器使用相同的原理，但射线束是扇形的。c图是第三代扫描器，在前两代的基础上具有较大的改进，消除了前两代对源/检测器对的平移的需要。d图是第四代扫描器，速度更快但造价高和较大的X射线散射。

5.9.2 投影和雷登变换

在笛卡尔坐标中一条直线可以由斜截式表示，y=ax+b，或由下式表示
平行射线束的投影可由一组直线建模，如下图所示
投影信号中的任意一点由沿着直线的射线和给出。在连续变量下，线求和变为线积分，由下式给出

5.9.3 傅里叶切片定理

这里将推导与投影的一维傅里叶变换和得到投影区域的二维傅里叶变换相关的基本结果。，关于p投影的一维傅里叶变换为上式可变换为,最后，令,上式变为
上式就是傅里叶切片定理，它说明一个投影的傅里叶变换是得到投影区域的二维傅里叶变换的一个切片。