克服维纳滤波去运动模糊后图像中出现的白点

                最近在做维纳滤波去运动模糊,得到了想要的结果,却意外的发现复原的结果出现了白色的点,通过单步调试发现原来是C++数据在转化过程中与matlab中的转化过程是不一致造成的……以后一定要注意:

复原的有白点图片如下:


通过测试发现,Matlab将 double 型数据转化为uint8的规则如下:

                       double cy = "某一个double类型的数"

                        if(cy > 255)
{cy = 255.0;}
else if(cy < 0)
{cy = 0.0;}
else
{cy = cvRound(cy);}

在C++中 将double 型转化为 unsigned char的规则却是这样的:

                       double cy = "某一个double类型的数"

                       if(cy>256)

                        {cy = mod(floor(cy),256);}

                     else if(cy<0)

                     {cy = 256 - mod(floor(cy),256)};

                    else 

                    cy = floor(cy);

这样白点产生的原因就显而易见了,

             值得注意的是uint8 和 unchar char  的范围都是0-255,所以这很容易让人惯性的认为他们的转化关系是一样的…………

白点消除后的图片:



               

                 

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
运动模糊是由于物体在图像采集过程运动造成的,它会导致图像的模糊。维纳滤波是一种经典的图像复原方法,可以有效地消除运动模糊维纳滤波的基本思想是在频域对图像进行处理,将图像的噪声和模糊进行分离,然后进行滤波。在复原运动模糊图像时,我们需要知道运动方向和模糊长度。 假设我们已经知道了运动方向和模糊长度,我们可以先将图像进行傅里叶变换,然后对傅里叶变换后的图像进行处理。设 $H(u,v)$ 为运动模糊的频率响应函数,$F(u,v)$ 为傅里叶变换后的图像,$N(u,v)$ 为噪声的功率谱密度函数,则维纳滤波的表达式为: $$ G(u,v)=\frac{1}{H(u,v)}\frac{|H(u,v)|^2}{|H(u,v)|^2+\frac{1}{SNR(u,v)}} $$ 其 $SNR(u,v)=\frac{N(u,v)}{S(u,v)}$,$S(u,v)$ 为图像的功率谱密度函数。$G(u,v)$ 为滤波后的图像。 接下来,我们可以对滤波后的图像进行反傅里叶变换,得到复原后的图像。 使用维纳滤波复原运动模糊图像的具体步骤如下: 1. 对图像进行傅里叶变换,得到傅里叶变换后的图像 $F(u,v)$。 2. 计算噪声的功率谱密度函数 $N(u,v)$ 和图像的功率谱密度函数 $S(u,v)$。 3. 根据运动方向和模糊长度,计算运动模糊的频率响应函数 $H(u,v)$。 4. 根据上述公式计算滤波后的图像 $G(u,v)$。 5. 对 $G(u,v)$ 进行反傅里叶变换,得到复原后的图像。 需要注意的是,维纳滤波需要知道噪声的功率谱密度函数和信噪比,这些信息通常需要通过实验获得。此外,维纳滤波对噪声的分布形式有一定要求,如果噪声的分布形式不符合要求,维纳滤波的效果可能会受到影响。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值