图像复原之退化模型

本文主要是介绍图像复原之退化模型，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

图像复原之退化模型

概述

引言

• 退化就是将一幅正常的图像给弄得不正常，从而验证后续的复原方法是否能达到预期的效果。

• 如上图所述，正常的图像经过退化函数H还需要加噪声，下面我们来介绍几种常见的噪声模型。

• 高斯噪声来源于诸如电子线路的传感器噪声；瑞利噪声源于深度成像的表征噪声现象；指数和伽马源于激光成像。
• 对于这些噪声的去除估计大家应该会想到很多的方法。空域包括如均值滤波，统计滤波中的中值滤波，频域的带阻滤波和陷波器等。
• 这里想强调的是忽略考虑滤波器复杂度的问题的话，自适应滤波器也应该纳入我们的考虑范围之类。所谓的自适应就是指让系统实现反馈调节自己的参数，从而达到最佳的效果。频域的消除噪声自适应滤波器是最佳陷波器。

位置不变的线性退化

• 点扩散可以概括为空阈的卷积即即实现了退化

建模估计退化

• 首先介绍大气湍流模型，让图像具有一种大气湍流模糊的退化效果。

• 下面重点来了，运动模糊。即由于摄像头的运动引起的图像退化。
  

• 下面我们用matlab实现一下原图像卷积一个运动滤波器。

  LEN = 31;THETA = 11;                            PSF=fspecial('motion',LEN,THETA);  
  

• 这里在再介绍一波fspecial的用法吧

• 完事具备了，接下来我们用线性移动滤波和圆形均值滤波（低通模糊效果）再来实现退化

• 至此，退化部分介绍完毕了。接下来就是使用各种滤波来实现图像的复原了，这其中自然包含了千呼万唤始出来的维纳滤波了。

示例代码

clc;
clear;
close all;
I = imread('jyy.jpg');  % 读入图像
I = rgb2gray(I);  
I = I(60+[1:256],222+[1:256],:);       % 图像剪切
subplot(1,2,1);  imshow(I);     % 显示原始图像
title('原始图像');                     % 设置图像标题
LEN = 31;                                    % 模糊长度
THETA = 11;                                  % 角度
PSF = fspecial('motion',LEN,THETA);          % 生成PSF
Blurred = imfilter(I,PSF,'circular','conv'); % 图像卷积计算
subplot(1,2,2);imshow(Blurred);           % 显示处理后的图像
title('图像卷积运算效果');                % 设置图像标题

---

clc;
clear;
close all;
I = imread('jyy.jpg');  % 读入图像
I = rgb2gray(I);  subplot(2,2,1); imshow(I);
xlabel('(a) 原始图像');
H = fspecial('motion',20,45);
MotionBlur = imfilter(I,H,'replicate');
subplot(2,2,2); imshow(MotionBlur);
xlabel('(b) 动态模糊图像');H = fspecial('disk',10);
blurred = imfilter(I,H,'replicate');
subplot(2,2,3);imshow(blurred);
xlabel('(c) 模糊图像');H = fspecial('unsharp');
sharpened = imfilter(I,H,'replicate');
subplot(2,2,4); imshow(sharpened);
xlabel('(d) 图像锐化效果');

这篇关于图像复原之退化模型的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---