一、实验目的
利用逆滤波和维纳滤波,对Lena加噪运动模糊降质图像进行复原,比较不同参数选择对复原结果的影响。
二、实验内容
1) 输入Lena图像,对图像进行运动降质;降质模型:
2) 对图像叠加高斯白噪声;
3) 寻找最佳逆滤波半径r;
4) 逆滤波;
5) IFFT,展示结果;
6) 再寻找最佳维纳滤波K值;
7) 维纳滤波;
8) IFFT,展示结果。
三、实验过程和数学原理
1、逆滤波
在无噪情况下,逆滤波是完美的:
然而实际情况都有噪声:
如果H(u,v)存在零点,那么在H(u,v)零点附近进行复原,会导致第二项变得很大很大,复原效果很差。
理论上说,我们应该找出H(u,v)的所有零点,然后规避这些零点进行逆滤波。然而,降质模型零点十分分散(实际上是一条条斜线,实验中会看到),并且要作无数个圆区域,编程非常麻烦。
实际编程中,我们采用如下思路:既然fft后的频谱中,信号频谱主要集中在低频分量,那么,我们用fftshift,将频谱移到中心;以频谱中心为圆心,规定一个圆区域,在圆内正常逆滤波;而圆外是大量的较小的噪声分量,不给任何机会,直接赋值为0。这样,我们就不需要考虑H(u,v)的零点影响了。
此外,再通过PSNR最大准则,寻找最佳滤波半径R。实验结果如下:
实验代码:
function Imagerestoration %~~~~~~~~~~~~~~~~~~~~~~~~~~实验说明~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~% % 1、由于T=5,a=b=1效果太差太差,几乎无法看到复原现象,因此本实验采用T=1,a=b=0.02降质模型。 % 2、作为实验讲义的补充,本实验加入均值为0、方差为1e-3的AGWN模型。 % 若方差过大,逆滤波效果也不理想。 % 3、一定要对fftshift后的频谱进行运动模糊处理!!!否则现象都是错误的!!! % 2018-5-19 by XING %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~% clear;close all;clc; fprintf('-------------------------------逆滤波实验-------------------------------\n'); I = im2double(imread('lena512.bmp'));% [0,1] [M,~] = size(I);% square % Display the original image. figure; subplot(1,3,1), imshow(I); title('\fontsize{20}原始图像'); %% Simulate a Motion Blur:H(u,v) T=1;a=0.02;b=0.02; v=[-M/2:M/2-1];u=v'; A=repmat(a.*u,1,M)+repmat(b.*v,M,1); H=T/pi./A.*sin(pi.*A).*exp(-1i*pi