数字图像的退化与复原汇总

%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。

4记录和整理实验报告。

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， 这也与许多实际应用情况一致，如图像数字化时的量化 噪声、 随机噪声等就可以作为加性噪声，即使不是加性噪声而 是乘性噪声， 也可以用对数方式将其转化为相加形式。

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2-1表示退化过程的输入和输出的关系，其中H(x, y)概括了退化系统的物理过程，就是所要寻找的退化数学模型。

图2-1 图像的退化模型数字图像的图像恢复问题可看作是： 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)， 或者说是逆向地寻找原始图像的最佳近似估计。

图像退化的过程可以用数学表达式写成如下的形式： g(x, y)=H ［f(x, y)］+n(x, y) (2-1) 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数，并且与图像不相关。

在图像复原处理中， 尽管非线性、 时变和空间变化的系统模型更具有普遍性和准确性，更与复杂的退化环境相接近，但它给实际处理工作带来了巨大的困难， 常常找不到解或者很难用计算机来处理。

因此，在图像复原处理中，往往用线性系统和空间不变系统模型来加以近似。

这种近似的优点使得线性系f (x , y )g (x , y )统中的许多理论可直接用于解决图像复原问题，同时又不失可用性。

2.2匀速直线运动模糊的退化模型在所有的运动模糊中，由匀速直线运动造成图象模糊的复原问题更具有一般性和普遍意义。

因为变速的、非直线运动在某些条件下可以被分解为分段匀速直线运动。

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。

图像复原知识点总结图像复原的基本原理是利用数学模型和算法，对受损图像的信息进行分析和重建。

图像复原的关键问题包括去噪、去模糊、超分辨率等，这些问题对应着图像受损的不同原因和方式。

下面将对图像复原的关键知识点进行总结和介绍。

1. 去噪图像去噪是图像复原的一个重要环节，其目的是消除图像中的噪声，提高图像的质量和清晰度。

图像的噪声主要包括加性噪声、乘性噪声、混合噪声等。

常见的去噪算法包括均值滤波、中值滤波、高斯滤波、小波变换去噪等。

这些算法能够有效地去除图像中的噪声，恢复出原始图像的细节和特征。

2. 去模糊图像模糊是指图像在传感器采集、传输过程中受到的损失，导致图像细节模糊不清。

常见的图像模糊类型包括运动模糊、模糊、退化等。

图像复原技术能够通过模型逆滤波、Wiener滤波、Lucy-Richardson算法等方法，对模糊图像进行重建，提高图像的清晰度和细节。

3. 超分辨率超分辨率是指利用一系列低分辨率图像，通过插值、重建等技术，获得高分辨率图像的过程。

超分辨率技术对图像复原具有重要意义，能够提高图像的细节和清晰度，使得图像能够更好地适应人类视觉和计算机处理。

常见的超分辨率算法包括基于插值的方法、基于优化的方法、基于深度学习的方法等。

4. 图像复原的评价指标图像复原的效果可以通过一系列评价指标来进行评估。

常见的评价指标包括峰值信噪比（PSNR）、结构相似度指标（SSIM）、均方误差（MSE）等。

这些评价指标能够客观地反映图像复原算法的性能和效果，有助于选择合适的算法和参数进行图像复原。

5. 图像复原的应用图像复原技术在图像处理领域有着广泛的应用。

例如，在医学影像领域，图像复原能够提高医学影像的质量和清晰度，有助于医生对病情进行更准确的判断和诊断。

在监控系统中，图像复原能够提高监控图像的质量，减少模糊和噪声影响，提高监控系统的可靠性和效果。

在航天航空领域，图像复原能够提高遥感图像的质量和清晰度，对地球观测、气象预测等方面有着重要的应用价值。

图像复原方法综述1、摘要图像是人类视觉的基础，给人具体而直观的作用。

图像的数字化包括取样和量化两个步骤。

数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。

图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。

解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。

本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。

关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、2、图像复原概述在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。

通常，称由于这些因素引起的质量下降为图像退化。

图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。

由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。

为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1]。

图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。

简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善。

由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。

数字图像处理Ch04. 图像复原OUTLINE •图像复原问题•图像退化与复原模型•图像复原方法–逆滤波–维纳滤波–约束最小二乘滤波–Lucy-Richardson算法•盲复原问题•什么是图像复原–针对图像退化而言的–数字图像获取的过程中产生的质量下降，称为图像退化–成像的每一个过程都可能引起退化–举例：成像过程干扰：运动模糊–举例：成像系统不理想：离焦、像散、像差–举例：成像条件不理想：湍流、云雾–举例：电路、传输、编解码噪声–图像复原目的是要由退化图像尽量恢复出理想图像•Importance–1964年美国水手4号火星探测飞船计划–耗资约1000万美元–Results：21 幅火星表面图像–图像退化降质意味着经济损失•Potential Applications–天文：地基观测大气扰动；成像系统不理想；噪声–遥感：大气扰动造成的降晰；相对地面移动导致的模糊；薄云–医学：噪声；分辨率增强–公安：照片复原；监控录像复原；–文件处理：文物保护和复原；扫描文档图像增强–Phase Retrieval–Super-resolution•图像复原与图像增强–图像增强更主观，目的使处理后的图像更有利于人眼观察–图像复原更倾向于客观过程，使处理后的图像最接近于理想图像•图像退化和复原建模：–物体的理想图像设为f(x,y)–由于成像不理想，实际得到的是退化图像g(x,y)–图像复原由给定g(x,y)去估计原图像f(x,y)的过程，恢复的结果记为f’(x,y)退化函数复原滤波函数图像退化复原模型•点扩散函数PSF–PSF：输入物为点光源时，经过成像过程得到的输出–原物体上的一个点若经过理想成像，应该在图像上也对应一个点–此时PSF为脉冲函数(delta)–非理想成像情况，PSF更复杂，可记做h(x, y, x’, y’)–线性成像系统，输入光场与PSF的卷积图像退化过程的描述(,)(,)(,)(,)G u v H u v F u v N u v =+=+g Hf n),(),(*),(),(y x n y x f y x h y x g +=•空域卷积形式：•频域变换形式：•矩阵形式：估计复原算子r (x ,y )估计复原算子r (x ,y )估计噪声估计噪声(,)x y η%估计退化函数估计退化函数(,)h x y %退化函数h(x,y)退化函数h(x,y)图像复原：简单情形•若认为图像退化过程中只受到噪声的干扰，则：•此时图像的复原问题即是噪滤波的问题–空域滤波–频域滤波–与图像增强中采用的技术一样。