基于最小均方差（维纳）滤波的图像去模糊

最新推荐文章于 2024-03-12 09:46:50 发布

VIP文章 yuyangyg

最新推荐文章于 2024-03-12 09:46:50 发布

阅读量3.9k

点赞数

分类专栏：图像处理 Image Deblurring

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/yuyangyg/article/details/78679875

版权

逆滤波容易受到噪声的影响。最小均方差滤波，该方法建立在图像和噪声都是随机变量的基础上，找出未污染图像 $f$ 的一个估计 $\hat{f}$ ,使他们之间的均方误差最小。

e2=E{ (f−f^)2}

$e^2=E\{(f-\hat{f})^2\}$
假设噪声和图像不相关，其中一个或另一个有零均值，且估计中的灰度级是退化图像中灰度级的线性函数。误差函数的最小值在频率域表示：

F^(u, v) = [H * ( u , v ) S f ( u , v ) S f ( u , v ) | H ( u , v ) | 2 +

最低0.47元/天解锁文章

关注

0
点赞
踩
16

收藏

觉得还不错? 一键收藏
0
评论
基于最小均方差（维纳）滤波的图像去模糊

逆滤波容易受到噪声的影响。最小均方差滤波，该方法建立在图像和噪声都是随机变量的基础上，找出未污染图像ff的一个估计f^\hat{f},使他们之间的均方误差最小。e2=E{(f−f^)2}e^2=E\{(f-\hat{f})^2\} 假设噪声和图像不相关，其中一个或另一个有零均值，且估计中的灰度级是退化图像中灰度级的线性函数。误差函数的最小值在频率域表示： F^(u,v)=[H∗(u,v)Sf(
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。