一：什么是图像退化？
图像退化是指图像在传输、存储或拍摄过程中，由于各种因素（如噪声、模糊、低分辨率等）导致图像质量下降，使得图像变得模糊、不清晰或失真。简单来说，就是原本清晰的图像因为外部条件的影响而变得“坏”了，看不清楚或者细节丢失了。
举例说明：
- 噪声：拍摄时光线不足，图像中出现了很多杂点，类似电视信号不好的时候看到的“雪花”。
- 模糊：拍摄时手抖导致照片模糊，物体边缘不再清晰。
- 低分辨率：图像像素太低，放大后出现马赛克，细节丢失。
图像复原的任务就是要去除这些退化因素，恢复或尽可能还原原本清晰的图像。
二：图像复原 与 图像增强
相同点：
- 目标：图像复原和图像增强都旨在提高图像的质量，使图像更加清晰和有用。
- 技术：两者都使用类似的图像处理技术，如滤波、卷积和深度学习模型。
区别：
- 图像复原：侧重于恢复图像的原始状态，去除退化因素（如噪声、模糊）来还原真实图像。 （客观）
- 图像增强：重点是根据特定需求（如提高对比度、锐化）增强图像的视觉效果，不一定恢复原始图像。 （主观）
三：空域 和 频域
空域（Spatial Domain）
- 定义：空域是指直接在图像的像素值上进行处理的方式。图像被看作是一个二维像素矩阵，每个像素都有一个亮度值（灰度图）或多个颜色通道值（彩色图）。
- 操作：常见的空域操作包括调整亮度、对比度、应用滤波器（如模糊、锐化），这些操作直接作用于图像的像素点。
- 示例：当你用手机照片编辑器调整亮度或锐化照片时，就是在空域中进行的操作。
频域（Frequency Domain）
- 定义：频域是指将图像转换为频率成分后进行处理的方式。图像中的不同频率代表不同的信息：低频表示平滑区域（整体轮廓），高频表示细节（如边缘）。
- 操作：图像通过傅里叶变换从空域转换到频域。然后，可以对这些频率成分进行滤波（如去除高频噪声），最后通过逆傅里叶变换将处理后的图像转换回空域。
- 示例：使用频率滤波器去除图片中的细小噪声，就是在频域中进行的操作。
总结
- 空域处理图像的像素值，直接影响图像的亮度、对比度等特性。
- 频域分析图像的频率成分，常用于去除噪声或增强细节，通过频率信息来处理图像。
四：噪声
1：什么是噪声？
- 定义：噪声是图像中出现的随机或不规则的像素值偏差，通常表现为图像上的杂点、斑点或其他干扰信号。它是与原始图像信息无关的干扰，导致图像变得不清晰或失真。随机的
- 来源：噪声可以来自多种来源，如拍摄时光线不足、感光器件的电子噪声、图像传输过程中的干扰、图像压缩等。
2：噪声模型
噪声的灰度取值服从相应的分布
-
高斯噪声：
- 特点：均匀分布的细小随机干扰。
- 来源：传感器噪声、电子干扰。
-
椒盐噪声：
- 特点：图像中随机出现黑色和白色斑点。
- 来源：数据传输错误、传感器故障。
-
泊松噪声：
- 特点：噪声强度与图像亮度相关，亮度越高噪声越明显。
- 来源：低光照成像、光子计数。
-
散粒噪声：
- 特点：图像中呈现颗粒状的干扰，通常与亮度相关。
- 来源：医学成像、雷达图像。
3：图像去噪算法分类
五：空域滤波复原方法
空域滤波复原方法是在图像的空间域（即像素层面）直接处理图像的像素值，以去除噪声并复原图像的质量。以下是几种常见的空域滤波复原方法：
1. 均值滤波
- 概念：通过计算像素及其邻域像素的平均值来平滑图像，从而减少噪声。
- 特点：简单有效，适用于去除高斯噪声，但会使图像变得模糊。
2. 中值滤波
- 概念：将像素及其邻域像素的灰度值排序，并用中间值替代中心像素值。
- 特点：对椒盐噪声特别有效，可以保留边缘细节。
3. 高斯滤波
- 概念：利用高斯分布权重对像素及其邻域像素进行加权平均，平滑图像。
- 特点：能够有效去除高斯噪声，同时保持一定的图像细节。
4. 自适应滤波
- 概念：根据图像的局部统计特性（如均值和方差）调整滤波器参数，以适应图像的不同区域。
- 特点：在平滑噪声的同时更好地保留图像细节，适用于多种噪声类型。
5. 拉普拉斯滤波
- 概念：基于图像的二阶导数，增强图像中的边缘和细节，用于图像增强而非去噪。
- 特点：增强边缘，但容易放大噪声，通常与其他滤波方法结合使用。
6. 自适应中值滤波
- 概念：根据噪声的密集程度，动态调整中值滤波器的窗口大小。
- 特点：对于密集噪声具有更好的去噪效果，并保留更多图像细节。
这些空域滤波方法各有优缺点，通常根据噪声类型和图像特性选择合适的方法进行图像复原。
六：变换域频域退化模型
频域退化模型是指在频域（通常是通过傅里叶变换从空域转化过来的）对图像退化的描述。它认为图像的退化过程可以表示为图像的频谱与某种退化函数（通常是低通滤波器）在频域内的乘积。噪声通常被添加在这一乘积的基础上。整个退化模型可以表示为：
245
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
