数字图像处理笔记—图像复原（一）

数字图像处理笔记—图像复原（一）

0 概述

定义：图像复原，即利用退化现象的某些先验知识来重建或复原被退化的图像。
与图像增强的区别：图像增强是一个主观的过程，即突出所关心的内容，满足人的视觉系统；图像复原是一个客观的过程，它的最终目的是改善给定的图像，即恢复退化图像的本来面目，忠实于原始图像。

1 图像退化/复原过程模型

空间域：
g(x,y)=h(x,y)*f(x,y)+η(x,y)
频域：
G(u,v)=H(u,v)F(u,v)+N(u,v)

2 噪声模型

2.1 噪声来源

主要来源于图像的获取和传输过程。例如，CCD摄像机获取图像，光照程度和传感器温度是生成图像中产生大量噪声的主要因素；传输过程受所用传输信道的噪声干扰。

2.2 一些重要的噪声概率密度函数（PDF）

1. 高斯噪声
   概率密度函数：$p(z)=\frac{1}{\sqrt{2\pi}\sigma}e^{-（z-\mu)^2/2\sigma^2}$
   均值：$\mu$
   方差：$\sigma^2$
   曲线：
2. 瑞利噪声
   概率密度函数：
   $p(z)=\begin{cases}\frac{2}{b}(z-a)e^{-(z-a)^2/b},&z\ge a\\0,&z<a\end{cases}$
   均值：$\mu=a+\sqrt{\pi b}/4$
   方差：$\sigma^2=\frac{b(4-\pi)}{4}$
   曲线：

3.伽马（爱尔兰）噪声
$p(z)=\begin{cases}\frac{a^bz^(b-1)}{(b-1)!}e^{-az},&z\ge 0\\0,&z<0\end{cases}$
均值： μ=ba