数字图像实验：图像退化和还原.

%1.使用函数fspecial创建退化滤波器PSF，然后调用imfilter对图像进行卷积运算，就可以 %得到一幅运动退化图像，观察并记录结果。

I=imread('C:\Documents and Settings\Administrator\桌面\16\fig0222b.jpg'); %读入图像LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA); %生成退化函数blurred=imfilter(I,PSF, 'circular', 'conv');figuresubplot(1,2,1),imshow(I);title('原图像');subplot(1,2,2),imshow(blurred);title('6.1 运动退化图像');%2.使用imnoise函数对图像添加随机噪声，观察并记录结果。

fnblurred =imnoise( blurred, 'gaussian',0,0.001); %产生随机噪声图像figure, imshow(fnblurred);title('6.2 加噪之后');%3.使用函数deconvwnr对无噪声的运动模糊图像进行复原，观察并记录结果。

同时采用不同的%LEN和THETA参数，进行实验，体会一下退化函数PSF的重要性，观察并记录结果。

LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA);wnr1=deconvwnr(blurred,PSF);wnr2=deconvwnr(blurred, fspecial('motion',2*LEN,THETA));wnr3=deconvwnr(blurred, fspecial('motion', LEN, 2*THETA));figureimshow(wnr1);title('6.3.1 无噪运动模糊图像复原1');figuresubplot(1,2,1),imshow(wnr2);title('6.3.2 无噪运动模糊图像复原2');subplot(1,2,2),imshow(wnr3);title('6.3.3 无噪运动模糊图像复原3');%4.使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原，观察并记录结果。

数字图像处理实验报告1 - 图像复原学生姓名：学号：实验时间：地点：指导教师:一、实验目的运用理论知识，在MA TLAB环境下对图像复原技术进行实验验证，学习算法实现的科学方法，增强对算法及其效果的感性认识。

（1）对图像进行复原处理。

调用MA TLAB中的图像复原函数，编写MA TLAB程序，实现对图像的复原。

（2）C++编程，利用双线性插值将照片放大。

二、实验内容要求：以下实验采用学生本人的照片作为处理对象。

（1）利用MA TLAB做图像复原实验。

实验方法和步骤如下：选择一幅完好的照片，进行退化处理，然后对退化后的图像进行复原，并对不同参数的复原结果进行比较。

（2）用VC++编写程序，采用邻近差值和双线性插值两种方法，将图像放大到原来的1.5倍, 并存储为res0.yuv 和res1.yuv。

三、实验结果（1）①先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。

再用deconvwnr函数对图像进行维纳滤波可的如下结果（程序代码详见附录1.1）：由此可见滤波效果并不是很明显，其中一个原因就是要取合适的len、theta参数是很困难的，所以导致模糊效果不是很好。

②先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。

在对图像加高斯噪声，用imnoise函数。

再用deconvwnr函数对图像进行维纳滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.2）：由此可见，平滑滤波不一定总是能带来很好的效果，如果图像过于模糊，平滑滤波就会导致图像过于平滑，就会使得图像高频分量也就是边缘轮廓十分的不明显。

③先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。

在对图像加高斯噪声，用imnoise函数。

再用deconvblind函数对图像进行盲滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.3）：（2）采用双线性插值法对所给图像实现长和宽分别1.5倍的放大。

数字图像的退化与复原1. 实验目的(1) 掌握数字图像的存取与显示方法。

(2) 理解数字图像运动模糊、高斯模糊以及其他噪声引起模糊（图像降质现象）的物理本质。

(3)掌握matlab的开发环境。

(4)掌握降质图像的逆滤波复原和维纳滤波复原方法。

2. 实验原理此实验是对数字图像处理课程的一个高级操作。

在深入理解与掌握数字图像退化的基础理论上，利用逆滤波与维纳滤波方法对数字图像进行复原。

(1) 图像的退化数字图像在获取过程中，由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、成像过程的相对运动、环境随机噪声等原因，图像会产生一定程度的退化。

(2) 图像的复原图像复原是利用图像退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。

因而图像复原可以理解为图像降质过程的反向过程。

(3) 图像降质的数学模型图像复原处理的关键问题在于建立退化模型。

输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。

为了讨论方便，把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑。

原始图像f(x,y)经过一个退化算子或退化系统H(x,y)的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。

图1表示退化过程的输入和输出关系，其中H(x,y)概括了退化系统的物理过程，就是要寻找的退化数学模型。

图1 图像的退化模型数字图像的图像恢复问题可以看作是：根据退化图像g(x,y)和退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x,y)。

图像退化的过程可以用数学表达式写成如下形式：g(x,y)=H[f(x,y)]+n(x,y) (1)在这里，n(x,y)是一种统计性质的信息。

在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。

在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成：g(x,y)=f(x,y)*h(x,y)+n(x,y) (2)在频域中可以写成：G(u,v)=F(u,v)H(u,v)+N(u,v) (3)其中，G(u,v)、F(u,v)、N(u,v)分别是退化图像g(x,y)、原图像f(x,y)、噪声信号n(x,y)的傅立叶变换；H(u,v)是系统的点冲击响应函数h(x,y)的傅立叶变换，称为系统在频率域上的传递函数。

南京工程学院通信工程学院实验报告课程名称数字图像处理C实验项目名称实验三图像的复原实验班级算通111 学生姓名夏婷学号 208110408 实验时间 2014年5月5日实验地点信息楼C322实验成绩评定指导教师签名年月日实验三、图像的恢复一、实验类型：验证性实验二、实验目的1. 掌握退化模型的建立方法。

2. 掌握图像恢复的基本原理。

三、实验设备：安装有MATLAB 软件的计算机四、实验原理一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。

其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。

I=imread(‘peppers.png’);I=I(60+[1:256],222+[1:256],:);figure;imshow(I);LEN=31;THETA=11;PSF=fspecial(‘motion’,LEN,THETA);Blurred=imfilter(I,PSF,’circular’,’conv’);figure;imshow(Blurred);MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。

这4 个函数都以一个PSF 和模糊图像作为主要变量。

deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。

deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。

该函数采用优化技术和泊松统计量进行多次迭代。

使用该函数，不需要提供有关模糊图像中附加噪声的信息。

deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。

调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。

数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。

二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。

图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y) H [ f ( x, y)] n( x, y) f ( x, y)h( x, y) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。

噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。

本文中研究高斯噪声对图像的影响及其去噪过程。

①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。

一个高斯随机变量z 的PDF 可表示为：P （z ）=()221e x p 2z u 2πσσ-⎡⎤-⎢⎥⎣⎦（2） 其中z 代表灰度，u 是z 的均值，是z 的标准差。

高斯噪声的灰度值多集中在均值附近。

图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。

②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。

③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。

数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。

二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。

图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y ) H [ f ( x, y )] n( x, y ) f ( x, y )h( x, y ) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。

噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。

本文中研究高斯噪声对图像的影响及其去噪过程。

①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。

一个高斯随机变量z的PDF可表示为：P（z）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。

高斯噪声的灰度值多集中在均值附近。

图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。

②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。

③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。

本文应用高斯平滑滤波进行去噪处理。

《数字图像处理A》图像复原与重建实验一、实验目的图像的降噪与复原既在日常生活中拥有广泛的应用场景，又是数字图像处理领域的经典应用。

本实验首先对特定图像进行添加噪声和模糊，然后再使用经典的算法对噪声退化图像进行复原和重建。

通过该实验，进一步理解图像降噪和复原的基本原理，巩固图像处理基本操作的同时，提升对图像降噪和复原的理解和掌握。

二、实验内容1.利用matlab实现对特定图像添加高斯噪声和运动模糊。

2.使用逆滤波对退化图像进行处理。

3.使用常数比进行维纳滤波。

4.使用自相关函数进行维纳滤波。

三、实验原理1. 图像退化模型在一般情况下图像的退化过程可建模为一个退化函数和一个噪声项，对一幅图像f(x,y)进行处理，产生退化图像g(x,y),如下所示，其中η(x,y)是噪声项，H则是源图像的退化函数。

g(x,y)=H[f(x,y)]+η(x,y)2. 图像的噪声模型图像的噪声模型分为空间域噪声模型（通过噪声的概率密度函数对噪声进行描述）和频率域噪声模型（由噪声的傅里叶性质进行描述）两种类型。

在本实验中，我们采用的是空间噪声的经典噪声模型高斯噪声，高斯噪声模型的概率分布函数如下所示,其中σ是标准差，μ是期望。

p(z)=√2πσ−(x−μ)22σ2⁄3. 图像模糊图像模糊是一种常见的主要的图像退化过程。

场景和传感器两者导致的模糊可以通过空间域和频率域低通滤波器来建模。

而另一种常见的退化模型是图像获取时传感器和场景之间的均匀线性运动生成的图像模糊。

本实验的模糊模型采用的则是运动模糊，该模糊可以通过工具箱函数fspecial进行建模。

1.带噪声退化图像的复原在图像复原中经典的方法包括两种，分别是直接逆滤波和维纳滤波。

其中，直接逆滤波的复原模型如下所示,其中G(u,v)表示退化图像的傅里叶变换，H(u,v)则表示退化函数。

除了直接逆滤波之外，更为常见的是使用维纳滤波对退化图像进行复原，复原模型如教材100页4.7节所示。

一． 实验名称：图像退化与复原二． 实验目的1． 了解光电图像的退化原因；2． 掌握和理解基本的噪声模型，并能对图像进行加噪处理；3． 了解点扩展函数(PSF)与光学传递函数(OTF)的关系，熟悉几种经典的退化模 型的模拟试验和 OTF 估计方法；4． 熟悉和掌握几种经典的图像复原方法及其基本原理；5． 能熟练利用 MATLAB 或 C/C++工具进行图像的各种退化处理，并能编程实现 退化图像的复原。

三． 实验原理光电成像系统出现图像退化的过程是复杂多变的，为了研究的需要，通常情况下都把退化简化为化为一个线性移不变过程，见下图 1 所示。

因此， 在空域中退化过程可以表示如下：(x,y)(x,y)(x,y)(x,y)g f h h =*+ (1) 只有加性噪声不存在情况下，退化过程可以模型化如下表达式：(x,y)(x,y)(x,y)g f h =+ (2) 其频域表达式为：=(,)+(),)G ,(F u v N u v v u(3) 图 1 光电图像退化与复原原理图针对这种退化图像的复原，除了周期噪声以外，通常都可以采用空间域滤波的方法进行图像复原，此时图像复原与图像增强几乎是没有区别的。

常见的空间域滤波方法有均值滤波器和统计排序滤波器。

当退化图像存在线性移不变退化时，图像的复原不能采用简单空间域滤波器来实现，要实现线性移不变退化图像的复原，必须知道退化系统的退化函数，即点扩展函数(x,y)h 。

在点扩展函数已知的情况下，常见图像复原方法有逆滤波和维纳滤波两种。

在考虑噪声的情况下，逆滤波的原理可以表示如下： ()()()()()()G u,v N u,v F u,v F u,v H u,v H u,v Ù==+ (4) 通常情况下，()N u,v 是未知的，因此即使知道退化模型也不能复原图像。

此外，当(),H u v 的任何元素为零或者值很小时，()(),/,N u v H u v 的比值决定着复原的结果，从而导致图像复原结果出现畸变。

运动模糊图像复原实验报告一、运动模糊图像复原【应用背景】运动模糊是一种重要的图像退化原因，在图像采集的过程中，如果采集设备与目标之间存在足够大的相对运动，将会导致获得的图像模糊，这就是所谓的运动模糊。

现在大多数交通路口都设置有电子眼，拍摄记录车辆的违章行为，但是一般情况下违规车辆的行驶速度都较高，由电子眼拍摄到的有违规行为的车辆照片或多或少都存在运动模糊，因而导致很难准确获取包括车牌在内的车辆信息，如何利用图像复原技术对退化图像进行处理，得到相对清晰的图像就显得十分重要，另外，在国防航天等领域，图像的运动退化问题也十分常见，对于图像复原技术的研究具有重要的理论价值与现实意义【模糊图像的一般退化模型】图像的模糊过程可用下面的数学表达式表示：g x,y=f x,y∗ x,y+n(x,y)f(x,y)：原输入图像n(x,y)：噪声h(x,y)：退化函数g(x,y)：模糊图像模糊过程即原始图像在被退化函数作用后再叠加上噪声的过程，其中f(x,y)*h(x,y)表示原始图像与退化函数的卷积，退化模型可表示为下图[19]：其中H 为h(x,y)的频域变换，也称作点扩散函数(PSF)或传输函数，退化过程在频域可表示为：G x,y=F x,y H x,y+N(x,y)G(u,v)、F(u,v)、H(u,v)和N(u,v)分别为g(x,y)、f(x,y)、h(x,y)和n(x,y)的傅里叶变换。

【维纳滤波方法】维纳滤波是一种线性滤波方法，以小误差准则为基础，即使恢复图像与原图像的均方误差小。

利用Matlab的维纳滤波恢复函数：deconvwnr(I,PSF)其中参数I为输入图像，PSF为点扩散函数，PSF为：PSF=fpescial(‘motion’,len,theta)其中，恢复图像的重点为确定参数len和theta参数len为模糊图像位移的像素，theta为运动的角度。

【算法原理】第一步：确定运动方向对于匀速直线运动模糊而言，其点扩散函数具有零点，这就导致模糊图像的频谱也具有零点，在相应的频率处，频谱上会出现一系列平行的暗纹。

一、数字图像处理实验实验七 图像的复原处理一、实验目的熟悉几种在实际应用中比较重要的图像复原技术，学会用MATLAB复原函数对退化图像进行复原处理。

二、实验内容1．用点扩散(PSF)函数创建运动模糊图像,修改参数改变模糊程度。

2．用维纳滤波复原函数deconvwnr 对模糊图像进行复原重建。

三、实验原理图像在形成、传输和记录的过程中，由于受多种原因的影响，图像的质量会有下降，典型表现为图像模糊、失真、有噪声等。

这一降质的过程称为图像的退化。

而图像复原试图利用退化现象的某种先验知识（即退化模型），把已经退化了的图像加以重建和复原。

其目的就是尽可能地减少或去除在获取图像过程中发生的图像质量的下降（退化），恢复被退化图像的本来面目。

本实验主要学习如何使用MATLAB函数来恢复原图像，请参考第一部分4.7节MATLAB复原处理内容。

四、实验方法及程序MATLAB图像处理工具箱包含四个图像复原函数，本实验编程实现一个相对比较简单的维纳滤波复原函数。

1．用点扩散(PSF)函数创建运动模糊图像a) 无噪声运动模糊图像b) 有噪声运动模糊图像2．维纳滤波复原函数deconvwnra) 对无噪声运动模糊图像用deconvwnr(I,PSF)进行复原b)对有噪声运动模糊图像用deconvwnr(I,PSF)、deconvwnr(I,PSF,NSR)和deconvwnr(I,PSF,NCORR,ICORR)函数进行复原。

用help查阅复原函数的具体使用方法。

五、实验结果与分析1. 分别对复原后的图像进行分析和比较。

2. 叙述图像复原和图像增强两者之间的区别。

1。

电子科技大学实验报告学生姓名：李雄风学号：2905301014指导老师：彭真明日期：2012年4月12日光电楼327、329学生机房二、实验项目名称：图像退化与复原三、实验原理：1.图像退化与复原图像复原是图像处理的主要内容之一，所谓图像复原就是指去除或减轻在图像获取过程中发生的图像质量的下降。

成像过程中的图像“退化”，是指由于成像系统各种因素的影响，使得图像质量降低。

图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真。

图像在形成、传输和记录过程中，由于受到多方面的影响，不可避免地造成图像质量的退化（degradation）。

造成图像退化的原因很多，主要有：•射线辐射、大气湍流等造成的照片畸变；•模拟图像数字化的过程中，由于会损失部分细节，造成质量下降；•镜头聚焦不准产生的散焦模糊；•成像系统中始终存在的噪声干扰；•拍摄时，相机与景物之间的相对运动产生的运动模糊；•底片感光、图像显示时会造成记录显示失真；•成像系统的像差、非线性畸变、有限带宽等造成的图像失真；•携带遥感仪器的飞机或卫星运动的不稳定，以及地球自转等因素引起的照片几何失真。

2.维纳（Wiener）滤波掌握图像f和噪声n的准确先验知识是非常困难的，一种较为合理的假设是将它们近似的看成是平稳随机过程。

假设和表示f和n的自相关矩阵，其定义为：式中，E{•}代表数学期望。

定义，得：假设M=N，和分别为图像信号和噪声的功率谱，则：式中，，。

四、实验目的：1.了解光电图像的退化原因和熟悉退化模型；2.掌握和理解基本的噪声模型及运动模糊退化过程；3.熟悉和掌握几种经典的图像复原方法及其基本原理；4.能熟练利用Matlab工具进行图像的各种退化处理，并能编程实现退化图像的复原。

1.滤波器设计及图像滤波实验；2.基于Wiener滤波的图像复原。

六、实验器材（设备、元器件）：微型计算机、Matlab工具及相应的开发环境。