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。