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: