数字图像处理：图像复原

图像增强是主观过程，图像复原大部分是一个客观过程。根据退化模型进行相反的处理，恢复出原图像。

1. 图像退化/复原的模型

空间域退化图像：线性移不变系统g(x) = h(x) * f(x) + n(x)，h(x)为退化函数的空间描述，*表示卷积，n(x)为噪声，频域表示 G(u) = H(u)F(u) + N(u)

2. 噪声模型

频域为常量的为白噪声。

空间无关噪声：高斯噪声，瑞利噪声，伽马(爱尔兰)噪声，指数分布噪声，均匀分布噪声，脉冲(椒盐)噪声，概率密度对应的就是直方图的形状。

空间相关噪声：周期噪声，机电干扰造成的。

噪声估计：1) 通过频谱看周期噪声，2) 小带估计，截取灰度恒定的一小部分图像通过直方图形状估计

3. 噪声为唯一退化时的空间滤波复原

g(x) = f(x) + n(x), G(u) = F(u) + N(u)

算术均值滤波器：模糊了图像的同时减小了噪声。

几何均值滤波器：平滑度可以和算术均值滤波器相比，但会丢失更少的图像细节。

谐波均值滤波器：f(x, y) = mn/sum( 1 / g(s,t) )，对“盐”噪声更好，不适用于“胡椒”噪声，善于处理高斯噪声那样的其它噪声。

逆谐波均值滤波器：f(x, y) = sum( g(s,t)^(Q+1) )/sum( g(s,t)^Q )，Q>0时消除胡椒噪声，Q<0时消除盐噪声。