学号：
基于MATLAB 的离焦模糊图像复原
学院名称： 计算机与信息技术学院
专业名称： 通信工程
年级班别： 2008级1班
姓 名：
指导教师：
2012年5月
XXXX 学校 本科毕业设计
基于MATLAB的离焦模糊图像复原
摘要图像在获取、传输和存储过程中会受到如模糊、失真、噪声等原因的影响，这些原因会使图像的质量下降。因此，我们需要采取一定的方法尽可能地减少或消除图像质量的下降，恢复图像的本来面目，这称为图像复原。通过阅读图像复原技术相关资料，本文主要探讨了维纳(Wiener)滤波、约束最小二乘滤波算法、Lucy-Richardson算法和盲解卷积算法，并使用相关的工具箱函数deconvwnr函数、deconvreg函数、deconvlucy函数、deconvblind函数进行仿真。另外本文对上述算法进行了仿真实现，并分析了四种算法的实验结果。
关键词图像复原；维纳滤波恢复；约束最小二乘滤波恢复；Lucy-Richardson恢复；盲解卷积恢复
Based on the MATLAB of defocus blurred image restoration
Abstract Image in the acquisition, transmission and storage process will be subject to such as blurring, distortion, noise and other reasons, these reasons will make the image quality degradation.Therefore, we needed to take a certain amount of ways to reduce or eliminate image quality to fall, to restore the image of self, this is known as image restoration. By reading the image restoration technology related data. This paper mainly discusses the Wiener filter, constrained least squares filtering algorithm, Lucy-Richardson algorithm and blind deconvolution algorithm，and the deconvwnr function，the deconvreg function ，the deconvlucy function and the deconvblind function are used for emulation.This article on the above algorithm to simulation and experimental result analysis of four kinds of algorithms.
Keywords image restoration; Wiener filtering restore; Constrained least squares filtering restore; Lucy-Richardson recovery; Blind solution convolution recovery
目录
1 图像退化/复原处理的模型 (1)
2 噪声的特征 (2)
3噪声的分类 (3)
4直接逆滤波 (4)
5维纳滤波 (5)
6 约束的最小二乘方滤波 (7)
7 使用Lucy-Richardson算法的迭代非线性复原 (9)
8 盲去卷积 (11)
总结 (12)
参考文献 (13)
致谢 (14)
前 言
在实际的日常生活中，人们要接触很多图像，画面。而在景物成像这个过程里可能会
出现模糊、失真或混入噪声，最终导致图像质量下降，这种现象称为图像“退化”。因此我们可以采取一些技术手段来尽量减少甚至消除图像质量的下降，还原图像的本来面目，即在预定义的意义上改善给定的图像，这就是图像复原。尽管图像增强和图像复原之间有重叠部分，但前者主要是主观处理，而图像复原大部分是客观处理。复原通过使用退化现象的先验知识试图重建或恢复一副退化的图像。因此，复原技术趋向于将退化模型化并用相反的处理来恢复原图像，即考虑用模糊函数来消除图像的模糊。引起图像模糊有多种多样的原因，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等。
本文主要研究离焦模糊图像的复原，离焦模糊图像是指在拍摄时景物与相机的相对运
动引起的离焦 ,或是成像区域内不同深度的对象所引起不同程度的离焦 ,还有由于在成像区域中存在不同深度的对象会使自动调焦系统引起混淆而导致拍摄的相片离焦等。因此本文研究使用MATLAB 把退化现象模型化，并对几种常用的滤波方法用MATLAB 进行了仿真实现，为人们在不同的应用场合及不同的图像数据条件下选择不同的复原算法提供了一定的依据．
1 图像退化/复原处理的模型
如图1所示， ),(y x f ),(y x g ),(y x f
),(y x n
退化 复原
图1
本文中用退化函数把退化过程模型化，它和加性噪声项一起，作用于输入图像),(y x f ，
产生一副退化的图像),(y x g ：
),(y x h ),(y x w
[]),(),(),(y x y x f H y x g η+= (1.1)
给定),(y x g 、一些关于退化函数H 的知识以及一些关于加性噪声),(y x η的知识，复原的目标就是得到原图像的一个估计。我们要是这个估计尽可能地接近原始的输入图像。通常，我们对H 和η知道越多，),(y x f ∧
就越接近),(y x f 。
若H 是线性的、空间不变的过程，则退化图像在空间域通过下式给出：
),(),(),(),(y x y x f y x h y x g η+*= (1.2)
其中，),(y x h 是退化函数的空间表示，且空间域的卷积和频域的乘法组成了一个傅立叶变换对，所以可以用等价的频域表示写出恰面的模型：
),(),(),(),(v u N v u F v u H v u G += (1.3) 其中，用大写字母表示的项是卷积方程式中相应项的傅立叶变换。退化函数),(v u H 有时称为光学传递函数（DTF ）。在空间域，),(y x h 成为点扩散函数（PSF ）。对于任何种类的输入，让),(y x h 作用于光源的一个店来得到退化的特征，点扩散函数就是来源此的一个名词。
由于退化是线性的，所以空间不变的退化函数H 可以被模型化为卷积，同样地，复原处理有时也称为反卷积。
2 噪声的特征
图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。在许多情况下，这些函数很难测定和描述，甚至不能得到，所以常用统计特征来描述噪声，如均值、方差和相关函数等。
均方值，描述噪声的总功率：2{n (x,y)}E
方差，描述噪声的交流功率：2{(n(x,y)-{n(x,y)})}E E
均值的平方，表示噪声的直流功率：2[{(n(x,y)}]E
3噪声的分类
1、按干扰源分类
图像噪声按照其干扰源可以分为外部噪声和内部噪声。
外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。
内部噪声：一般又可分为以下四种：
（1）由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。
（2）电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。
（3）器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。
（4）系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
2、按噪声与信号的关系分
这里我们可以将噪声分为加性噪声模型和乘性噪声模型两大类。设(,)
f x y为信号，
g x y。
(,)
n x y为噪声，影响信号后的输出为(,)
(1)加性噪声
=+(3.1)
g x y f x y n x y
(,)(,)(,)
加性嗓声和图像信号强度是不相关的，如运算放大器，又如图像在传输过程中引进“信道噪声”电视摄像机扫描图像的噪声的，这类带有噪声的图像)
g可看成为理想无噪声
x
(y
,
图像)
n x y和信号x
n之和。形成的波形是噪声和信号的叠加，其特点是(,)
(y
(y
,
x
f与噪声)
,
无关。如一般的电子线性放大器，不论输入信号的大小，其输出总是与噪声相叠加的。
(2)乘性噪声
=+=+(3.2) (,)(,)[1(,)](,)(,
g x y f x y n x y f x y f x y n x y
乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等，由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
3、 按概率密度函数分
这是比较重要的，主要因为引入数学模型，这就有助于运用数学手段去除噪声。
(1)白噪声（White Noise ）：具有常量的功率谱。白噪声的一个特例是高斯噪声（Gaussian Noise ）。在空间域和频域中，由于高斯噪声在数学上的易处理性，这种噪声(也称为正态噪声)模型经常被用在实践中。事实上，这种易处理性非常方便，使高斯模型经常适用于临街情况下。它的直方图曲线服从一维高斯型分布：
22()21
()2x p x e μσπσ--= (3.3)
(2)椒盐噪声（Pepper Noise ）：椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声，往往由图像切割引起。椒盐噪声是指两种噪声，一种是盐噪声（salt noise ），另一种是胡椒噪声（pepper noise ）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。该噪声在图像中较为明显，对图像分割、边缘检测、特征提取等后续处理具有严重的破坏性。
(3)冲击噪声（Impulsive Noise ）：指一幅图像被个别噪声像素破坏，而且这些噪声像素的亮度与其领域的亮度明显不同。 冲击噪声呈突发状，常由外界因素引起；其噪声幅度可能相当大，无法靠提高信噪比来避免，是传输中的主要差错。
(4)量化噪声（Quatization Noise ）：是指在量化级别不同时出现的噪声。例如,将图像的亮度级别减少一半的时候会出现伪轮廓。
4直接逆滤波
用于复原一副退化图像的最简单方法是构成一个如下形式的估计：
),(),(),(v u H v u G v u F =
∧ (4.1) 然后采用),(v u F ∧的傅里叶逆变换来得到图像的相应估计。这种方法成为逆滤波。由前文中
讨论的，模型，我们可以将估计表示为
),()
,(),(),(v u H v u N v u F v u F +=∧ (4.2)
这个简单的表达式告诉我们，及时准确的知道了),(v u H ，也不能恢复),(v u F ，因为噪声分量是一个随机函数，他的傅里叶变换),(v u N 是未知的。另外，在实际中，有许多),(v u H 为零的情况也是个问题。即使),(v u N 项也可以忽略，用为零的),(v u H 值来除它也将会控制复原估计。
采用逆滤波时，典型的方法是形成比率),(/),(),(v u H v u G v u F =∧
，然后为了得到逆，将频率的范围限制在接近原点的频率。概念是),(v u H 中的零不太可能在接近原点的地方出现，因为变换的数值通常是该区域中的最高值。 5维纳滤波
维纳滤波（N.Wiener 最先在1942年提出的方法）是一种最早也最为人们所熟知的线性图像复原方法。维纳滤波器寻找一个使统计误差函数
????????????? ??-=∧22
f f E e (5.1) 最小的估计∧f 。其中，E 是期望值操作符，f 是未退化的图像。该表达式在频域可表示为
),(),(/),(),(),(),(1),(22v u G v u S v u S v u H v u H v u H v u F f ????????+=∧
η (5.2) 式中，),(v u H 表示退化函数
),(),(),(2
v u H v u H v u H *=
),(v u H *表示),(v u H 的复共轭
2),(),(v u N v u S =η表示噪声的功率谱
2),(),(v u F v u S f =表示未退化图像的功率谱
比率),(/),(v u S v u S f η称为噪信功率比。我们看到，若对于u 和v 的所有相关值，噪声功率
谱为零，则这个比率就为零，且维纳滤波器就成为前文讨论的逆滤波器。
我们感兴趣的两个量平均噪声功率和平均图像功率，分别定义为
∑∑=u v A v u S MN
),(1ηη (5.3) ∑∑=u v f A v u S
MN f ),(1 (5.4)
其中，M 和N 分别表示图像和噪声数组的垂直和水平大小。这些量都是标准量，且它们的比率A A
f R η=是一个标量，有时用来代替函数),(/),(v u S v u S f η，以便产生一个常量数组。
在这种情况下，即使真实的比率未知，交互式地变化常量并观察复原的结果的实验就变成了一件简单的事。当然，假设函数为常量是一种粗糙的的近似。在前述滤波器方程中，用一个常量数组来代替),(/),(v u S v u S f η就产生所谓的参数维纳滤波器。
在IPT 中，维纳滤波是使用函数deconvwnr 来实现的，函数deconvwnr 有三种可能的语法形式。在所有的这些形式中，g 代表退化图像，fr 是复原图像。第一种语法形式
fr=deconvwnr （g ，PSF ）
假设信噪比为零。从而，维纳滤波器的这种形式就是前文中的逆滤波器。语法
fr=deconvwnr （g ，PSF ，NSPR ）
假设噪信功率比已知，或是个常量或是个数组；函数接受其中的任何一个。这是用于实现参数维纳滤波器的语法，在这种情况下，NSPR 可以是一个交互的标量输入。最后，语法 fr=deconvwnr （g ，PSF ，NACORR,FAVORR ）
假设噪声和未退化图像的自相关函数NACORR 和FAVORR 是已知的。注意deconvwnr 的这种形式使用η和f 的自相关来代替这些函数的功率谱。从相关理论我们可知
[]),(),(),(2
y x f y x f v u F ?= (5.5) 其中，“ ”表示相关操作，?表示傅立叶变换。这个表达式说明了对于deconvwnr 的使用，通过计算功率谱的傅里叶变换，可以得到自相关函数),(),(y x f y x f 。噪声的自相关有类似的注释。
若复原图像呈现出由算法中使用的离散傅立叶变换所引入的振铃，则它往往会提醒我们在调用
J=edgetaper(I,PSF)
该函数利用点扩散函数PSF 模糊了输入图像I 的边缘。这样，输出图像J 就是图像I 和I 的模糊版本的加权和。这个由PSF 的自相关函数所决定的加权数组在它的中心区域取
J等于I，而在接近边缘的地带等于I的模糊版本。
使用deconvwnr函数复原模糊噪声图像：
f=imread('cameraman.jpg');
LEN=30;
THETA=45;
PSF=fspecial('motion',LEN,THETA);
MF=imfilter(f,PSF,'circular','conv');
wnr=deconvwnr(MF,PSF);
subplot(2,2,1);imshow(f);title('原始图像');
subplot(2,2,2);imshow(MF);title('模糊后的图像');
subplot(2,2,3);imshow(wnr);title('恢复后的图像');
经过仿真，如图所示，我们得到的结果虽然仍有一些噪声存在，但是已经和原图很接近了。因为原图像和噪声函数都是已知的，所以可以正确地估算参量。在实践中，当这些量之一（或更多）未知时，挑战便是在试验中智能地选择所用的函数，知道获得可接受的结果为止。
6 约束的最小二乘方滤波
还有一种容易实现的线性复原的方法称为约束最小二乘方滤波，约束复原除要求了解关于退化系统的传递函数之外，还需要知道某些噪声的统计特性或噪声与图像的某些相关情况。在最小二乘约束复原中，要设法寻找一个最优估计?f，使得形式为2?
Q f的函数最小
化.。在此准则下，可把图像的复原问题看作对?f 求式( 6.1) 目标泛函的最小值。 2
2
2
???()()J f Qf g Hf n λ=+-- (6.1) 其中：Q 为?f 的线性算子，,表示对?f 作某些线性操作的矩阵，通常选择拉普拉斯算子，且222(,)(,)4()Q u v P u v u v π==+；λ为拉格朗日乘子（Langrange multiple ）。为了使式（6.1）最小，对上式求导，并令为0就可以得到最小二乘解?f ：
1?()T T f H H Q Q H Tg γ-=+ （1/γλ=） (6.2)
对应的频域表示为：
*22(,)
?(,)(,)(,)(,)H u v F u v G u v H u v Q u v γ=?+ (6.3)
式（6.3）构成了所谓约束最小二乘复原滤波算法，显然该算法无须获知原图像的统计值，便可以有效的实施最优估计，这点与维纳滤波明显不同。
约束最小二乘滤波恢复函数deconvreg 的调用格式：deconvreg(I ，PSF ，NP ，LRANGE ，REGOP)，其中，I 表示输入像，PSF 表示点扩散函数，NP 、LRANGE （ 输入） 和 REGO 是可选参数，分别表示图像的噪声强度、拉氏算子的搜索范围和约束算子，同时，该函数也可以在指定的范围内搜索最优的拉氏算子。下面通过程序事例说明约束最小二乘滤波恢复图像：
I=imread ('cameraman.jpg');
PSF=fspecial('gaussian',10,4);
Blurred=imfilter(I,PSF,'conv');
V=.03;
BN=imnoise(Blurred,'gaussian',0,V);
NP=V*prod(size(I));
[reg LA GRA]=deconvreg(BN,PSF,NP);
Edged=edgetaper(BN,PSF);
reg2=deconvreg(Edged,PSF,NP/1.2);
reg3=deconvreg(Edged,PSF,[],LA GRA );
figure subplot(2,3,1);imshow (I);title('原始图像');
subplot(2,3,2);imshow (BN);title('加入高斯噪声的图像');
subplot(2,3,3);imshow (reg);title('恢复后的图像');
subplot(2,3,4);imshow(reg2);title('振铃抑制图像');
subplot(2,3,5);imshow(reg3);title('拉格朗日算子恢复图像');
图6约束最小二乘恢复对比图
利用振铃抑制恢复图像是几种中恢复效果最好的，其他几种方法也可以恢复但是比较模糊，效果不是很明显。
7 使用Lucy-Richardson 算法的迭代非线性复原
Lucy-Richardson(LR)算法假设图像服从Poission 分布，采用最大似然法进行估计，是一种基于贝叶斯分析的迭代算法。其最优估计以最大似然准则作为标准，即要使概率密度函数?(/)p g f 最大，推导出的迭代式为：
??
????⊕???? ???=+h h f g f f k k k )()()1( (7.1)
其中，?和⊕分别为卷积运算和相关运算；k 为迭代次数，可以令g f =0进行迭代，可以证明，当噪声可以忽略当k 不断增大时1+k f 会依概率收敛于f ，从而恢复出原始图像。
当噪声不可忽略时，把式(1.2)代入式(7.1)可得到：
??????⊕
???? ???+?=+h h f h f f f k k k )()()1(η (7.2)
从上式可看出，若噪声η不可忽略，则以上过程的收敛性将难以保证，即 LR 存在放
大噪声的缺陷。因此，处理噪声项是LR 算法应用于低信噪比图像复原的关键。
在IPT中，L-R算法是由名为deconvlucy的函数完成的，该函数的语法为fr=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT)
其中，fr代表复原的图像，g代表退化的图像，PSF是点扩散函数，NUMIT为迭代次数（默认为10次），DAMPAR和WEIGHT定义如下。
DAMPAR是一个标量，它指定了结果图像与原图像g之间的偏离阈值。当像素偏离原值的范围在DAMPAR之内时，就不用再迭代。这既抑制了这些像素上的噪声，又保存了必要的图像细节。默认值为0（无衰减）。
WEIGHT是一个与g同样大小的数组，它为每一个像素分配一个权重来反映其重量。当用一个指定的PSF来模拟模糊时，WEIGHT
可以从计算像素中剔除那些来自图像边界的像素点，因此，PSF造成的模糊是不同的。若PSF的大小为n
n ，则在WEIGHT中用到的零边界的宽度是ceil（n/2）。默认值是同输入图像g同等大小的一个单位数组。若复原图像呈现出由算法中所用的离散傅里叶变换所引入的振铃，则在调用函数deconvlucy之前，要利用函数edgetaper。
下面通过程序事例说明Lucy-Richardson算法恢复图像：
I=imread('lajiao.jpg');
PSF=fspecial('gaussian',5,5) ;
Blurred=imfilter(I,PSF,'symmetric','conv');
V=.003;
BN=imnoise(Blurred,'gaussian',0,V);
luc=deconvlucy(BN,PSF,5);
figure
subplot(2,2,1);imshow(I);title('原始图像');
subplot(2,2,2);imshow (Blurred);title('模糊后的图像');
subplot(2,2,3);imshow (BN);title('加噪后的图像');
subplot(2,2,4);imshow (luc);title('恢复后的图像');
图7.1 Lucy-Richardson恢复对比图
从图中我们可以看到，经多次迭代，尤其是在低信噪比情况下，重建图像可能会出现一些斑点，这些斑点并不代表图像的真实结构，是输出图像过于逼近噪声所产生的结果。
8 盲去卷积
通常图像恢复方法均在成像系统的点扩展函数PSF已知下进行, 实际上它通常是未知的. 在 PSF未知的情况下, 盲去卷积是实现图像恢复的有效方法。因此，把那些不以PSF 知识为基础的图像复原方法统称为盲去卷积算法。
在过去的20年里，一种盲去卷积的方法已经受到了人们的极大重视，它是以最大似然估计(MLE)为基础，即一种用被随机噪声所干扰的量进行估计的最优化策略。简要的说，关于MLE方法的一种解释就是将图像数据看成随机量，它们与另外一族可能的随机量之间有着某种似然性。似然函数用)
f和)
,
x
h来加以表达，然后，问题就变成
x
(y
(y
(y
x
g、)
,
,
了寻求最大似然函数。在盲去卷积中，最优化问题规定的约束条件并假定收敛时通过迭代来求解，得到的最大)
(y
h就是还原的图像和PSF。
x
,
f和)
,
(y
x
工具箱通过函数deconvblind来执行盲去卷积，它有如下语法：
[f,PSFe]=deconvblind(g,INITPSF)
其中，g代表退化函数，INITPSF是点扩散函数的出事估计。PSFe是这个函数最终计算到的估计值，fr是利用估计的PSF复原的图像。用来去的复原图像的算法是L-R迭代复原算法。PSF估计受其初始推测尺寸的巨大影响，而很少受其值的影响。
若复原图像呈现出由算法中使用的离散傅里叶变换所引入的振铃，则我们在调用函数deconvblind值钱，通常要使用函数edgetaper。下面我们使用函数deconvblind估计PSF：
I=imread('lajiao'.jpg');
PSF=fspecial('motion',10,30);
Blurred=imfilter(I,PSF,'circ','conv') ;
INITPSF=ones(size(PSF));
[J P]=deconvblind (Blurred,INITPSF,20);
figure
subplot(2,2,1);imshow (I);title('原始图像');
subplot(2,2,2);imshow (Blurred);title('模糊后的图像')
subplot(2,2,3);imshow (J);title('初步恢复后的图像');
该算法优点是,同时恢复了图像和点扩张函数,在对失真情况毫无先验知识的情况下, 仍能实现对模糊图像的恢复操作。利用 MATLAB实现的图像恢复, 并对恢复图像的失真情况做了改善。在进行图像恢复时,重建 PSF,对图像进行重建, 得到恢复的图像。
总结
本文介绍了图像退化的原因并且简要介绍了当前主流的图像复原方法，并通过对各种复原方法的仿真，了解了各种方法的优劣性，为我们在实际生活提供依据。但是无论是哪一种方法都有所局限性，我们应该努力致力于研究新型的优秀的图像复原方法，来获得更好的图像复原效果。同时，我们知道算法利用的信息越多信息的准确性越高，则复原图像的质量就越高。而且采用 MATLAB实现图像恢复，通过几条简单的MATLAB命令就可完成一大串高级计算机语言才能完成的任务,简捷明快。大多数图像处理模型是可以通过使用MATLAB的基本函数通过编程实现的。
参考文献
[1]张燕妮.离焦模糊复原方法研究[D]．大连：大连理工大学，2005
[2]徐飞.施晓红. MATLAB应用图像处理[M]．西安电子科技大学出版社，2002.
[3]路敬袜，王冬梅. 基于MATLAB的图像复原算法的研究[D]．硕士学位论文.
[4]阮秋琦等译. 数字图像处理（MATLAB版）[M]．北京：电子工业出版社，2005.
[5]张德丰,张葡青.维纳滤波图像恢复的理论分析与实现[J].中山大学学报,2006,45(6)44-47.
[6]14曹茂永，孙农亮，郁道银．离焦模糊图像清晰度评价函数的研究[J]．仪器仪表学报，2007，
22(3)：259-268．
[7]章毓晋．图像处理和分析[M]．北京：清华大学出版社，1999．
[8]苏开亮.运动模糊图像的恢复及恢复质量评价[D]．西安：西安电子科技大学出版社，2010，21-25．
[9]龚声蓉，刘纯平，王强. 数字图像处理与分析[M]，清华大学出版社.2006.
[10]Edmund Y L. Digital restoration of defocus image in the wavelet domain[J].Applied Optics.2002,141(126):4806-4811.
[11]Tnoa Zznia.Blur identification analysis in blind image deconvolution using Markov random fields[J]
.Pattern Recognition and Image Analysis,2001,11(4):699-700.
[12]Williamk,Faramarzd.Fast computational techniques for Pseudoinverse and Wiener image restoration [J].IEEE Trans on computer,1997,26(6)571-580.
致谢
本文是在我的指导老师XXX老师的细心指导下进行的。在每次论文遇到问题时，范老师不辞辛苦的讲解才使我的论文顺利进行。从论文的选题到资料的搜集直至最后论文的修改的整个过程中，花费了范老师很多的时间和精力，在此向范老师衷心的感谢。范老师严谨的治学态度，开拓进取的精神和高度的责任心将使我受益终身！
还要感谢和我同一小组的几位同学，是你们在我平时写论文的时候和我一起探讨问题，并指出我论文上的误区，使我能及时的发现问题把论文顺利的进行下去，没有你们的帮助我不可能这样顺利的结稿，在此表示深深的谢意。
XXX
2012年5月于XXXX大学
基于MATLAB的图像复原 摘要 随着信息技术的发展，数字图像像已经充斥着人们身边的任意一个角落。由于图像的传送、转换，或者其他原因，可能会造成图像的降质、模糊、变形、质量下降、失真或者其他情况的图像的受损。本设计就针对“图像受损”的问题，在MATLAB环境中实现了利用几何失真校正方法来恢复被损坏的图像。几何失真校正要处理的则是在处理的过程，由于成像系统的非线性，成像后的图像与原图像相比，会产生比例失调，甚至扭曲的图像。 图像复原从理论到实际的操作的实现，不仅能改善图片的视觉效果和保真程度，还有利于后续的图片处理，这对医疗摄像、文物复原、视频监控等领域都具有很重要的意义。 关键字：图像复原；MATLAB；几何失真校正
目录 摘要 (1) 1 MATLAB 6.x 信号处理 (1) 2 图像复原的方法及其应用 (13) 2.1 图像复原的方法 (13) 2.2 图像复原的应用 (14) 3 几何失真校正实现 (15) 3.1 空间变换 (15) 3.1.1 已知()y x r,和()y x s,条件下的几何校正 (16) 3.1.2 ()y x r,和()y x s,未知条件下的几何失真 (16) 3.2 灰度插值 (17) 3.3 结果分析 (19) 参考文献 (20) 附录 (21)
1 MATLAB 6.x信号处理 （1）对MATLAB 6 进行了简介，包括程序设计环境、基本操作、绘图功能、M文件以及MATLAB 6 的稀疏矩阵这五个部分。MATLAB的工作环境有命令窗口、启动平台、工作空间、命令历史记录与当前路径窗口这四部分。M文件的编辑调试环境有四个部分的设置，分别是：Editor/Debugger的参数设置，字体与颜色的设置，显示方式的设置，键盘与缩进的设置。MATLAB采用路径搜索的方法来查找文件系统的M文件，常用的命令文件组在MATLAB文件夹中，其他M文件组在各种工具箱中。基本操作主要是对一些常用的基本常识、矩阵运算及分解、数据分析与统计这三方面进行阐述。MATLAB的基本操作对象时矩阵，所以对于矩阵的输入、复数与复数矩阵、固定变量、获取工作空间信息、函数、帮助命令进行了具体的描述。矩阵运算是MATLAB的基础，所有参与运算的数都被看做为矩阵。MATLAB中共有四大矩阵分解函数：三角分解、正交分解、奇异值分解以及特征值分解。数据分析与统计包括面向列的数据分析、数据预处理、协方差矩阵与相关系数矩阵、曲线拟合这四部分。MATLAB 中含有丰富的图形绘制寒素，包括二维图形绘制、三维图像绘制以及通用绘图工具函数等，同时还包括一些专业绘图函数，因此其具有很强大的绘图功能。简单的二维曲线可以用函数plot来绘制，而简单的三维曲线图则用plot3来绘制。在绘制图形时，MATLAB自动选择坐标轴表示的数值范围，并用一定的数据间隔标记做标注的数据，当然自己也可以指定坐标轴的范围与数据间隔。专业的绘图函数有绘梯度图制条形图、饼图、三维饼图、箭头图、星点图、阶梯图以及等高线。M文件时用户自己通过文本编辑器或字处理器生成的，且其之间可以相互调用，用户可以根据自己的需要，自我编写M文件。M文件从功能上可以分为底稿文件与函数文件两类，其中底稿文件是由一系列MATLAB语句组成的，而函数文件的第一行必须包含关键字“function”，二者的区别在于函数文件可以接受输入参数，并可返回输出参数，而底稿文件不具备参数传递的功能；在函数文件中定义及使用的变量大都是局部变量，只在本函数的工作区内有效，一旦退出该函数，即为无效变量，而底稿文件中定义或使用的变量都是全局变量，在退出文件后仍为有效变量。稀疏矩阵是一种特殊类型的矩阵，
MATＬAＢ数字图像处理 1 概述 ＢW=ｄitheｒ(I)灰度转成二值图； Ｘ=ｄitｈer（RＧB,ｍap)RＧB转成灰度图，用户需要提供一个Cｏlorｍap; ［X，maｐ]＝grａy2inｄ(Ｉ,n)灰度到索引; [X,mａp]=grａy２ｉnd（BＷ,n)二值图到索引，ｍap可由grａｙ(n）产生。灰度图n 默认64，二值图默认２; X=grａylｉce（I,n）灰度图到索引图，门限１/n,2/ｎ,…,(n-1）／n,X=graｙlｉｃe(I，ｖ)给定门限向量v； BW=im２bw(I,levｅl)灰度图I到二值图； BW=im2bw(Ｘ,map,levｅl)索引图X到二值图；ｌevel是阈值门限，超过像素为1,其余置0,lｅvｅl在[0,1]之间。 ＢW=im2ｂｗ(RGＢ,leｖｅl)ＲＧＢ到二值图; I=iｎd2gray（Ｘ,mａp)索引图到灰度图; RＧＢ=ind2rｇb(Ｘ,maｐ）索引图到ＲGB; I＝ｒgb２gray(RGB)RGB到灰度图。 2 图像运算 2.１图像的读写 MATLAＢ支持的图像格式有bｍp，gif,ico,jｐｇ，png，cur，ｐcx,xwd和tｉf。 读取(imread): [1］Ａ=imreaｄ(fｉlenaｍe,fmt) ［2] [Ｘ,ｍaｐ］=imrｅad（ｆiｌｅｎame,fｍt） ［3] ［…]＝iｍｒead（ｆiｌｅnamｅ) ［4] […]=imread(UＲL,…) 说明:filenａme是图像文件名,如果不在搜索路径下应是图像的全路径,fmｔ是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGＢ);第二个读入索引图，map 为索引图对应的Ｃolormap,即其相关联的颜色映射表，若不是索引图则ｍap为空。URＬ表示引自Ｉntｅrnet ＵRL中的图像。 写入(iｍｗrite): [1] R=imwrite(A,fileｎaｍe，fｍｔ)； [2] Ｒ=imwriｔe(X,map,fiｌename,ｆmt); [３] R＝ｉｍwritｅ(…,filenaｍｅ); [4] R=iｍｗrite(…，Param1,Val1,Pａraｍ2,Vａl2) 说明:针对第四个,该语句用于指定ＨDF,JPEＧ,PBＭ,PGM,PNG,PPM,ＴIＦＦ等类型输出文件的不同参数。例如ＨDF的Qualｉtｙ,Compreｓｓioｎ,ＷｒｉｔeMode;JPEＧ的BiｔＤｅpｔh，Cｏmｍent：Ｅmｐtｙor not，Mode:ｌossy oｒｌossless，Quality等。 ２．2 图像的显示 方法1：使用Imaｇe Viｅwer(图像浏览器），即运用imｖiｅw函数。
课程设计任务书 学生姓名：专业班级： 指导教师：工作单位： 题目: 基于MATLAB的图像处理的基本运算 初始条件： 要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） （1）能够对图像亮度和对比度变化调整，并比较结果 （2）编写程序通过最近邻插值和双线性插值等算法将用户所选取的图像区域进行放大和缩小整数倍的和旋转操作，并保存，比较几 种插值的效果 （3）图像直方图统计和直方图均衡，要求显示直方图统计，比较直方图均衡后的效果。 （4）对图像加入各种噪声，比较效果。 时间安排： 指导教师签名：年月日 系主任（或责任教师）签名：年月日 目录 摘要.......................................................................................................................... 错误!未定义书签。 1 MATLAB简介 ........................................................................................................ 错误!未定义书签。2图像选择及变换................................................................................................... 错误!未定义书签。 2.1 原始图像选择读取....................................................................................... 错误!未定义书签。 2.1.1 原理图的读入与基本变换 .................................................................... 错误!未定义书签。
MATLAB 实现数字图像锐化处理 摘要：讨论了数字图像增强技术中空域图像锐化的四种算法及其用MATLAB的实现；同时给出了利用四种算法进行图像锐化后的对照图像。比较实验结果，可知运用算法锐化处理后，图像比原来图像清晰。 关键词：MATLAB、线性锐化、非线性锐化、sobel算子、prewitt算子、log算子 1.引言 MATLAB全称是Matrix Laboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB 中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB 在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。 二维图像均匀采样，可得到一幅离散化成M ×N 样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而MATLAB 的长处就是处理矩阵运算，因此用MATLAB 处理数字图像非常的方便。MATLAB 支持五种图像类型，即索引图像、灰度图像、二值图像、RGB 图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB 对图像的处理功能主要集中在它的图像处理工具箱(Image Processing Toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口。 数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。 2.数字图像的锐化 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。 2.1线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器3 ×3 模板的典型系数如表1 所示： 表 1 用线性高通滤波实现图像锐化的程序和图像如下： F=imread('F:/text.png'); %读入图像 f=rgb2gray(F); h=double(f); %转化为double类型 g=[-1 -1 -1; -1 8 -1; -1 -1 -1];%线性高通滤波3×3 模板
MATLAB在图像处理技术方面的应用 摘要：本文介绍了MATLAB语言的特点以及图像处理工具箱实现的经典图像处理 技术。应用该工具箱对一实拍的芯片图像进行前期预处理，通过实例验证了该语言具有强大的矩阵运算与图形处理能力，是一种简洁易学，可读性强、功能强大的应用软件，对它的应用可以快速实现模拟仿真，大大提高实验效率。 关键词：MATLAB语言；图像处理；灰度图像 Application of MATLAB to Image Processing Technique LI Liao-liao DENG Shan-xi (College of Instrumentation Science ,Hefei University of Technology,Hefei,Anhui,230009,China) Abstract: This paper introduces characteristics of MATLAB language and classical image processing technique realized by using image processing toolbox. The toolbox is applied to pre-processing operations for a CMOS chip photograph, by experiment it proved that MATLAB possesses powerful capability to matrix operation and image processing, it is an application software that is simple and easy to study and understand and possesses multiple functions. MATLAB can be used to simulation tests, that will improve efficiency of experiment greatly. Key words: MATLAB software; image processing; gray image. 1、引言 MATLAB 的名称源自Matrix Laboratory ，由美国MathWorks公司推出。它是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB 将高性能的数值计算和可视化集成在一起，构成了一个方便的、界面友好的用户环境，并提供了大量的内置函数。从而被广泛地应用于科学计算、控制系统、信息处理、神经网络、图像处理、小波分析等领域的分析、仿真和设计工作，而且利用MATLAB 产品的开放式结构，可以非常容易地对MATLAB 的功能进行扩充，从而在不断深化对问题认识的同时，不断完善MATLAB 产品以提高产品自身的竞争能力。MATLAB中的数字图像是以矩阵形式表示的，这意味着MATLAB强大的矩阵运 算能力用于图像处理非常有利，矩阵运算的语法对MATLAB中的数字图像同样适用。本文对MATLAB图 像处理工具箱进行探索及应用，实验证明该软件功能强大，语言简洁易学，人机界面友好，工具箱具有丰富的技术支持并集成了该领域专家的智慧，应用简单而效果良好。 2、MATLAB图像处理工具箱及数字图像处理基本过程简介 数字图像处理工具箱函数包括以下15类：、⑴、图像显示函数；⑵、图像文件输入、输出函数；⑶、图像几何操作函数；⑷、图像像素值及统计函数；⑸、图像分析函数；⑹、图像增强函数；⑺、线性滤波函数；⑻、二维线性滤波器设计函数；⑼、图像变换函数；⑽、图像邻域及块操作函数；⑾、二值图像操作函数；⑿、基于区域的图像处理函数；⒀、颜色图操作函数；⒁、颜色空间转换函数；⒂、图像类型和类型转换函数。 MATLAB图像处理工具箱支持四种图像类型，分别为真彩色图像、索引色图像、灰度图像、二值图像，由于有的函数对图像类型有限制，这四种类型可以用工具箱的类型转换函数相互转换。MATLAB可操作的图像文件包括BMP、HDF、JPEG、PCX、TIFF、XWD等格式。下面就图像处理的基本过程讨论工具箱
图像读入 ●从图形文件中读入图像 imread Syntax: A = imread(filename, fmt) filename：指定的灰度或彩色图像文件的完整路径和文件名。 fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到filename所制定的文件,会尝试查找一个名为filename.fmt的文件。 A：包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含 RGB真彩图像,则是m*n*3的矩阵。 ●对于索引图像，格式[X, map] = imread(filename, fmt) X：图像数据矩阵。 MAP：颜色索引表 图像的显示 ●imshow函数：显示工作区或图像文件中的图像 ●Syntax： imshow(I) %I是要现实的灰度图像矩阵 imshow(I,[low high]，param1, val1, param2, val2,...) %I是要现实的灰度图像矩阵，指定要显示的灰度范围，后面的参数指定显示图像的特定参数 imshow(RGB) imshow(BW) imshow(X,map) %map颜色索引表 imshow(filename) himage = imshow(...) ●操作：读取并显示图像 I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据 imshow(I);%显示原图像 图像增强 一．图像的全局描述 直方图（Histogram）：是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。 图像直方图（Image Histogram）：是表示数字图像中亮度分布的直方图，用来描述图象灰度值，标绘了图像中每个亮度值的像素数。 灰度直方图：是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图 像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 归一化直方图：直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像
基于M A T L A B图像处理报告一、设计题目 图片叠加。 二、设计要求 将一幅礼花图片和一幅夜景图片做叠加运算，使达到烟花夜景的美图效果。 三、设计方案 、设计思路 利用matlab强大的图像处理功能，通过编写程序，实现对两幅图片的像素进行线性运算，利用灰度变换的算法使图片达到预期的效果。 、软件介绍 MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB 也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++，JAVA的支持。可以直接调用，用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户直接进行下载就可以用。
中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像恢复算法研究 指导教师：职称: 年月日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：学号： 学生姓名：学号： 学生姓名：学号: 课程设计题目：信息处理综合实践: 于MATLAB的图像恢复算法研究起迄日期： 课程设计地点：电子信息科学与技术专业实验室 指导教师： 系主任： 下达任务书日期: 年月日
目录 摘要： (6) 1．图像复原的概念 (6) 1.1图像复原的定义 (6) 1.2 图象恢复与图象增强的异同 (6) 1.3 图象退化的原因 (6) 1.4 维纳滤波的研究历史 (6) 1.5图象退化举例 (7) 2．退化模型 (8) 2.1图象退化模型概述 (8) 2.2连续函数退化模型 (8) 2.3离散函数退化模型 (8) 3.图象复原技术 (9) 3.1无约束恢复 (9) 3.2逆滤波 (9) 3.3 维纳（Wiener）滤波器基本原理 (10) 3.4维纳滤波复原法 (11) 3.5图像复原例图 (12) 4．图像复原的MATLAB实现实例 (13) 5.结束语 (14) 参考文献： (14) 附录： (14) （1）.维纳滤波复原源代码： (14) （2）.规则化滤波复原程序源代码： (15) （3）.Lucy-Richardson复原滤波源代码： (15) （4）.盲目去卷积复原源代码： (15)
摘要： 图像复原是图象处理的一个重要课题。图像复原也称图象恢复，是图象 处理中的一大类技术。它的主要目的是改善给定的图像质量。当给定了一幅 退化了的或者受到噪声污染了的图像后，利用退化现象的某种先验知识来重 建或恢复原有图像是复原处理的基本过程。可能的退化有光学系统中的衍 射，传感器非线性畸变，光学系统的像差，摄影胶片的非线性，大气湍流的 扰动效应，图像运动造成的模糊及几何畸变等等。噪声干扰可以由电子成像 系统传感器、信号传输过程或者胶片颗粒性造成。各种退化图像的复原都 可归结为一种过程，具体地说就是把退化模型化，并且采用相反的过程进行 处理，以便恢复出原图像。文章介绍了图象退化的原因，几种常用的图像滤 波复原技术，以及用MATLAB实现图像复原的方法。 1．图像复原的概念 1.1图像复原的定义 图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。 1.2 图象恢复与图象增强的异同 相同点：改进输入图像的视觉质量。 不同点：图象增强目的是取得较好的视觉结果(不考虑退化原因)；图象恢复根据相应的退化模型和知识重建或恢复原始的图像(考虑退化原因)。 1.3 图象退化的原因 图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。其原因是多方面的。如： 透镜象差/色差 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 1.4 维纳滤波的研究历史 维纳是著名的数学家，后来被誉为信息理论家。维纳的著作不仅是一个很好的创见，而且具有结合工程的实际意义，是线性滤波理论研究的一个重要的开端. 在第二次世界大战中，由于雷达的发明以及防空炮火控制的任务，把大量有修养的数学家和物理学家都动员到信息科学这个研究领域中来了，这个时候人们活跃于这个领域，并有许多重大的科学创造。数学家维纳对于滤波理论的研究成果，就是这时候重大的科学创见之一。
论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
《 MATLAB 实践》 课程设计 学生姓名： 学号： 专业班级： 指导教师： 二○○九年三月十三日
1.设计目的…………………………………………………第 3页 2.题目分析…………………………………………………第3 页 3.总体设计…………………………………………………第4 页 4.具体设计…………………………………………………第 6页 5.结果分析…………………………………………………第 20页 6.心得体会…………………………………………………第 20页 7.参考书目…………………………………………………第 20页
1 课程设计的目的： 综合运用MATLAB工具箱实现图像处理的GUI程序设计。 2、题目分析 课程设计的基本要求 1）熟悉和掌握MATLAB 程序设计方法 2）掌握MATLAB GUI 程序设计 3）学习和熟悉MATLAB图像处理工具箱 4）学会运用MATLAB工具箱对图像进行处理和分析 课程设计的内容 学习MATLAB GUI程序设计，利用MATLAB图像处理工具箱，设计和实现自己的Photoshop 。要求：按照软件工程方法，根据需求进行程序的功能分析和界面设计，给出设计详细说明。然后按照自己拟定的功能要求进行程序设计和调试。 以下几点是程序必须实现的功能。 1）图像的读取和保存。 2）设计图形用户界面，让用户能够对图像进行任意的亮度和对比度变化调整，显示和对比变换前后的图像。 3）设计图形用户界面，让用户能够用鼠标选取图像感兴趣区域，显示和保存该选择区域。 4）编写程序通过最近邻插值和双线性插值等算法将用户所选取的图像区域进行放大和缩小整数倍的操作，并保存，比较几种插值的效果。 5）图像直方图统计和直方图均衡，要求显示直方图统计，比较直方图均衡后的效果。 6）能对图像加入各种噪声，并通过几种滤波算法实现去噪并显示结果。比较去噪效果。
中北大学 课程设计说明书 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究 指导教师：陈平职称: 副教授 2013 年 12 月 15 日 中北大学 课程设计任务书
13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 课程设计题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日 课程设计任务书
课程设计任务书
目录 1 绪论 (1)
1.1 MATLAB简介 (1) 1.2 MATLAB对图像处理的特点 (1) 1.3 图像锐化概述 (2) 1.4 图像锐化处理的现状和研究方法 (2) 2 设计目的 (2) 3 设计内容和要求 (2) 4 总体设计方案分析 (2) 5 主要算法及程序 (4) 5.1 理想高通滤波器锐化程序 (4) 5.2 高斯高通滤波器锐化程序 (5) 5.3 高提升滤波器锐化程序 (6) 6 算法结果及比较分析 (8) 6.1 理想高通滤波器锐化结果 (8) 6.2 高斯高通滤波器锐化结果 (9) 6.3 高提升滤波器锐化结果 (10) 6.4 算法结果比较分析 (11) 7 设计评述 (11) 参考文献 (12)
1 绪论 数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。图像处理的基本目的是改善图像的质量。它以人为对象，改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常见的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天。生物医学工程、工业检测、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注意、前景远大的新型科学。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理更高、更深层次发展。 1.1 MATLAB简介 MATLAB全称Matrix Laboratory（矩阵实验室），最早初由美国Cleve Moler 博士在20世纪70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack和Eispack组成。它用于数学、信息工程、摇感、机械工程、计算机等专业。它的推广得到各个领域专家的关注，其强大的扩展功能为各个领域应用提供了基础，各个领域的专家相继推出MATLAB工具箱，而且工具箱还在不断发展，借助于这些工具箱，各个层次的研究人员可直接、直观、方便地进行工作，从而节省大量的时间。目前，MATLAB语言已经成为科学计算、系统仿真、信号与图像处理的主流软件。本文主要从MATLAB图像处理方面做应用。 1.2MATLAB对图像处理的特点 MATLAB全称Matrix Laboratory（矩阵实验室），是一种主要用于矩阵数据值计算的软件，因其在矩阵运算上的特点，使得MATLAB在处理图像上具有独特优势，理论上讲，图像是一种二维的连续函数，而计算机在处理图像数字时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样个量化的过程。二维图像均匀采样，课得到一副离散化成N×N样本的数字图像，该数字图像是一个整数列阵，因而用矩阵来描述该数字图像是最直观最简便的。
基于MATLAB的运动模糊图像处理 提醒： 我参考了文献里的书目和网上的一些代码而完成的，所以误差会比较大，目前对于从网上下载的模糊图片的处理效果很不好，这是我第一次上传自己完成的实验的文档，希望能帮到一些人吧。 研究目的 在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦察和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。但是相对于散焦模糊，运动模糊图像的复原在日常生活中更为普遍，比如高速运动的违规车辆的车牌辨识，快速运动的人群中识别出嫌疑人、公安刑事影像资料中提取证明或进行技术鉴定等等，这些日常生活中的重要应用都需要通过运动模糊图像复原技术来尽可能地去除失真，恢复图像的原来面目。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 图像复原原理 本文探讨了在无噪声的情况下任意方向的匀速直线运动模糊图像的复原问题，并在此基础上讨论了复原过程中对点扩散函数(PSF)的参数估计从而依据自动鉴别出的模糊方向和长度构造出最为近似的点扩散函数，构造相应的复原模型，实现运动模糊图像的复原；在模糊图像自动复原的基础上，根据恢复效果图的纹理特征和自动鉴别出的模糊长度和角度，人工调整模糊方向和长度参数，使得复原效果达到最佳。 实验过程 模糊方向的估计： 对图1(a)所示的原始图像‘车牌’图像做方向θ=30?，长度L=20像素的匀速直线运动模糊，得到退化图像如图1(b)
1(a) 1(b) j=imread('车牌1.jpg'); figure(1),imshow(j); title('原图像'); len=20; theta=30; psf=fspecial('motion',len,theta); j1=imfilter(j,psf,'circular','conv'); figure,imshow(j1); title('PSF 模糊图像'); 图1(c)和1(d)分别为原图像和模糊图像的二次傅里叶变化
迭代与分形 姓名：吴涛班级：2007级电科一班学号：20074053053 摘要：几何学研究的对象是客观世界中物体的形状。传统欧氏几何学的研究对象，都是规则并且光滑的，比如：直线、曲线、曲面等。但客观世界中物体的形状，并不完全具有规则光滑等性质，因此只能近似当作欧氏几何的对象，比如：将凹凸不平的地球表面近似为椭球面。虽然多数情况下通过这样的近似处理后，能够得到符合实际情况的结果，但是对于极不规则的形态，比如：云朵、烟雾、树木等，传统的几何学就无能为力了。 如何描述这些复杂的自然形态？如何分析其内在的机理？这些就是分形几何学所面对和解决的问题。 关键字：迭代；分形；树形 一、问题分析 在我们的世界上，存在着许多极不规则的复杂现象，比如：弯弯曲曲的海岸线、变化的云朵、宇宙中星系的分布、金融市场上价格的起伏图等，为了获得解释这些极端复杂现象的数学模型，我们需要认识其中蕴涵的特性，构造出相应的数学规则。 曼德尔布罗特（Mandelbrot）在研究英国的海岸线形状等问题时，总结出自然界中很多现象从标度变换角度表现出对称性，他将这类集合称作自相似集，他发现维数是尺度变换下的不变量，主张用维数来刻划这类集合。Mandelbrot将这类几何形体称为分形(fractal)，意思就是不规则的、分数的、支离破碎的，并对它们进行了系统的研究，创立了分形几何这一新的数学分支。Mandelbrot认为海岸、山峦、云彩和其他很多自然现象都具有分形的特性，因此可以说：分形
是大自然的几何学。 分形几何体一般来说都具有无限精细的自相似的层次结构，即局部与整体的相似性，图形的每一个局部都可以被看作是整体图形的一个缩小的复本。早在19世纪就已经出现了一些具有自相似特性的分形图形，比如：瑞典数学家科赫（von Koch）设计的类似雪花和岛屿边缘的一类曲线，即Koch曲线；英国植物学家布朗通过观察悬浮在水中的花粉的运动轨迹，提出来的布朗运动轨迹。 分形几何把自然形态看作是具有无限嵌套的层次结构，并且在不同尺度下保持某种相似的属性，于是，简单的迭代过程，就是描述复杂的自然形态的有效方法。 （Koch曲线） （布朗运动轨迹） 二、背景知识介绍 1、分形几何的形成。 分形几何的概念是美籍法国数学家曼德尔布罗特（Mandelbrot）于1975年首先提出的，但最早的工作可追朔到1875年，德国数学家维尔斯特拉斯（Weierestrass）构造了处处连续但处处不可微的函数，集合论创始人康托尔（Cantor，德国数学家）构造了有许多奇异性质的康托尔三分集。1890年，意大利数学家皮亚诺（Peano）构造了填充空间的曲线。1904年，瑞典数学家科赫（Koch）设计出类似雪花和岛屿边缘的一类曲线。1915年，波兰数学家谢尔宾斯基（Sierpinski）设计了象地毯和海绵一样的几何图形。这些都是为解决分析与拓朴学
基于MATLAB的图像预处理技术研究 图像识别技术：其对研究对象进行图像获取，然后根据研究对象的自身特征信息进行分类和识别。 这门技术的研究对象十分广泛，只要可以进行图像获取并对特征进行分析便可以应用图像识别技术。 举例说明： 医学上X光片的图像诊断、智能交通系统中车辆牌照的图像识别分类、卫星拍摄的湖泊森林遥感图像处理、人脸识别、身份识别。 图像识别系统的概述： 包含三个主要部分： 1，图像的获取；(进行最初的图像采集，将最原始的对象转换为图像信息；将最初的数据材料带入图像信息中) 2，对获取的图像进行前期预处理，提取有用的信息。(对原始的图像中的噪声以及非相关特征信息进行过滤，减少所获取原始图像的信息量，从而为后期最终特征信息的分类减少干扰。即将图像分为多个区域，并且每个区域只包含一定数量的特征信息。) 3，根据研究对象的先验特征信息对图像中的噪声以及非相关特征信息进行查找识别。(主要是在前期获取的图像信息预处理结束后，根据相关的先验知识，利用计算机技术快速实时地对图像中的特征信息进行提取分类。在这部分中，对于识别的特征信息的正确率有一定的要求，以减少分类识别错误，其中特征的矢维函数、字符串数等需要
不断的简化，从而以最简单的模式划分特征信息） 分类识别：将原始的图像根据特征信息进行分类。 图像预处理技术 1，图像的灰度化 (获取不含彩色信息的灰度图像，灰度图像只含有亮度信息) 通过采集过程获取的一般都是彩色图像。并以Jpg或者Bmp格式进行存储。以Bmp格式的图像为例进行分析，假设采集获取得一幅彩色图像的像素为1280*960，那么其在硬盘上的存储空间需要1280*960*3，即3686400个字节，(灰度图每个像素仅由一个8位字节表示该像素的亮度值.)。其占用的存储空间比灰度图像大的很多，所以为节省空间并减小计算量，一般要将彩色图像转化为灰度图像，只选择三个颜色分量进行图像的色彩区分，具体的转换方式为Y=R*0.299+G*0.587+B*0.114,这个过程就是对获取的彩色图像的灰度化处理过程。 2，图像的灰度拉伸 由于光照等因素,许多图像成像时光照不足,使得整幅图像变暗,或者成像时光照过强,使得整幅图变亮。为了增强图像的对比度,使其明暗鲜明,有利于对图像的特征信息进行识别,需要对灰度化的图像进行灰度线性变换,以便突出图像的特征信息的部分。 灰度线性变换采用的变换公式一般为: ()()C , , g, ? =的值由输入图像的灰度值动态范围决x ,+ f R R C y x y
MATLAB实现图像恢复设计报告 一、设计目标及需求分析 设计目标：希望通过matlab设计一个软件来实现对CT图像的模糊再恢复的过程，是对现实中CT图像复原的一个简单仿真。 需求分析：随着网络和通信技术的发展，数字图像处理与分析技术已经在科学研究、工业生产、医疗卫生、教育等领域得到了广泛应用，对推动社会的发展和提高人们的生活水平都起到了重要作用[1]。而在医学CT影像中，CT图像的影响因素众多，包括部分容积效应，空间分辨力，密度分辨力，相机条件设定和噪声等[2]。这些因素会造成CT 图像模糊失真，需要对图像进行恢复，才能满足对临床诊断的要求。 二、设计概要 图像退化 三、详细设计 在GUI界面设计中选取三个静态文本分别叫“原始图像”、“模糊加噪图像”、“恢复图像”，添加三个坐标轴，三个按钮分别用于“读入原始图像”、“模糊和加噪”、“恢复”。 图一 GUI界面设计
①点击按钮“读入图像”，将选取的原始肺部CT图像导入第一个坐标轴中。 ②点击按钮“模糊和加噪”，对原始CT图像进行运动模糊，加入高斯噪声，生成的图像显示在第二个坐标轴中。 图二模糊和加噪 在这里用MATLAB图像处理工具函数fspecial生成了一个运动模糊的点扩展函数PSF，PSF 再与原图卷积得到模糊图像，这一步操作是为了模拟现实CT图像中由于病人身体的移动，心脏搏动和胃肠蠕动这些不自主的运动造成的伪影。在CT图像中的噪声有多种类型，有高斯噪声，椒盐噪声，泊松噪声，斑点噪声等。这里只引入了高斯噪声是由于通过查阅文献得知，CT图像中的噪声主要是高斯噪声[3]，是一个抽象简化的退化模型。 ③点击按钮“恢复”，对模糊和加噪的图像进行图像复原，将复原后的图像显示在第三个坐标轴上。
优秀论文审核通过 未经允许切勿外传 摘要 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。关键词：MATLAB，数字图像处理，图像增强，二值图像
Abstract Digital image processing is an emerging technology, with the development of computer in various areas on the processing speed requirement is relatively ），线性量化（liner quantization ），对数量化，MAX 量化，锥形量化（tapered quantization ）等。 3. 采样、量化和图像细节的关系 上面的数字化过程，需要确定数值N 和灰度级的级数K 。在数字图像处理中，一般都取成2的整数幂，即: (2.1) (2.2) 一幅数字图像在计算机中所占的二进制存储位数b 为: *log(2)**()m N N b N N m bit == (2.3) 例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N 和m 的增加，计算机所需要的存储量也随之迅速增加。 由于数字图像是连续图像的近似，从图像数字化的过程可以看到。这种近似的程度主要取决于采样样本的大小和数量(N 值)以及量化的级数K(或m 值)。N 和K 的值越大，图像越清晰。 2.2 数字图像处理概述 2.2.1 基本概念 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的