第6章 图像恢复 [ 数字图像处理及MATLAB实现(第2版)]

第六章习题与思考题参考答案1. 简述飞机红外图像识别中用到的五个红外特征量各自的作用？1）长宽比：反应了目标的几何形状；2）复杂度：反应了红外目标轮廓的情况；3）紧凑度：反应了红外目标在其所在最小外接矩形中所占比重；4）均值对比度：反映了目标的物理特性与背景的物理特性之间的关系；5）部分最亮像素点数与目标总像素数的比值：反应了目标的明暗变化情况；2. 可视密码共享中,如果实现（4 , 5）门限的可视密码分享，程序将做如何编写？clear allclose allM=imread('0.jpg');ss=rgb2gray(M);figureimshow(ss);[m n]=size(ss);for i=1:m*nif ss(i)>250ss(i)=250;endends=double(ss)+1;x=[1 2 3 4 5];g1=zeros(m,n);g2=zeros(m,n);g3=zeros(m,n);g4=zeros(m,n);g5=zeros(m,n);yy1=zeros(m,n);yy2=zeros(m,n);yy3=zeros(m,n);yy4=zeros(m,n);yy5=zeros(m,n);y1=zeros(m,n);y2=zeros(m,n);y3=zeros(m,n);y4=zeros(m,n);y5=zeros(m,n);for j=1:m*na1=mod(2*j,251);a2=mod(3*j,251);a3=mod(5*j,251);f=[a1 a2 a3 s(j)];g1(j)=polyval(f,x(1));yy1(j)=mod(g1(j),251);g2(j)=polyval(f,x(2));yy2(j)=mod(g2(j),251);g3(j)=polyval(f,x(3));yy3(j)=mod(g3(j),251);g4(j)=polyval(f,x(4));yy4(j)=mod(g4(j),251);g5(j)=polyval(f,x(5));yy5(j)=mod(g5(j),251);endy1=uint8(yy1-1)y2=uint8(yy2-1);y3=uint8(yy3-1);y4=uint8(yy3-1);y5=uint8(yy3-1);figure,imshow(y1);figure,imshow(y2)figure,imshow(y3);figure,imshow(y4);figure,imshow(y5);l1=(x(2)*x(3)*x(4)*x(5))/[(x(1)-x(2))*(x(1)-x(3))*(x(1)-x(4))*(x(1)-x(5))];l2=(x(1)*x(3)*x(4)*x(5))/[(x(2)-x(1))*(x(2)-x(3))*(x(2)-x(4))*(x(2)-x(5))];l3=(x(1)*x(2)*x(4)*x(5))/[(x(3)-x(1))*(x(3)-x(2))*(x(3)-x(4))*(x(3)-x(5))];l4=(x(1)*x(2)*x(3)*x(5))/[(x(4)-x(1))*(x(4)-x(2))*(x(4)-x(3))*(x(4)-x(5))];l5=(x(1)*x(2)*x(3)*x(4))/[(x(5)-x(1))*(x(5)-x(2))*(x(5)-x(3))*(x(5)-x(4))];rr1=zeros(m,n);r=zeros(m,n);for j=1:m*nrr1(j)=mod(yy1(j)*l1+yy2(j)*l2+yy3(j)*l3+yy4(j)*l4+yy5(j)*l5,251);endr=uint8(rr1-1);figure,imshow(r);3. 已知图像⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=805020016821024015010017018013070901262068M 。

数字图像处理复习第一章概述（p1~2）1. 图像的概念及数字图像的概念。

图-是物体透射或反射光的分布，是客观存在的。

像-是人的视觉系统对图的接受在大脑中形成的印象或反映，图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。

是物体的一个数字表示，是以数字格式存放的图像。

2. 数字图像处理的概念。

数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像的实用性。

3. 数字图像处理的优点。

▪精度高▪再现性好▪通用性、灵活性强第二章数字图像处理基础1. 人眼视觉系统的基本构造(p13)2. 亮度的适应和鉴别(p15)人眼对光亮度的适应性非常高，一般情况下跨度达到10的10次方量级，从伸手不见五指到闪光灯强曝光。

3. 光强度与主观亮度曲线。

(p15)4. 图像的数字化及表达。

（采样和量化的概念）(p18)5. 图像采样过程中决定采样空间分辨率最重要的两个参数。

(p19)6. 图像量化过程中量化级数与量化灰度取值范围之间的关系。

(？)7. 像素的相邻领域概念（4领域，8领域）。

(p22)8. 领域空间内像素距离的计算。

（欧式距离，街区距离，棋盘距离）(p23)第三章图像的基本运算（p49练习3.2，3.9 ？）1. 线性点运算过程中各参数表示的含义（k，b）。

(p30)2. 非线性点运算过程中不同的曲线部分对图像的调整过程。

（p31）3. 会根据实际图像形式识别两幅图像中做了何种调整。

4. 点运算是否会改变图像内像素点之间的空间位置关系？（不会）点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系5. 对图像灰度拉伸，非线性拉伸与分段线性拉伸的区别？分段线性拉伸是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而非线性拉伸是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。

在Matlab中进行图像重建和图像恢复的技术图像重建和图像恢复是数字图像处理领域的重要研究方向。

在Matlab这一强大的工具中，提供了丰富的图像处理函数和算法，使得图像重建和恢复变得更加高效和精确。

本文将介绍在Matlab中进行图像重建和图像恢复的一些常用技术。

一、图像重建的概念和方法图像重建指的是从已损坏或丢失部分信息的图像中恢复出尽可能完整的图像。

常见的图像损坏包括噪声、模糊以及缺失等。

在图像重建中，常用的方法包括逆滤波、维纳滤波、最小二乘法等。

1. 逆滤波逆滤波是一种常见的图像重建方法，其思想是通过求解逆滤波算子来反转图像损坏过程，以实现图像的重建。

在Matlab中，可以使用fft2函数将图像转换到频域进行处理，然后使用ifft2函数将图像转回到空域。

2. 维纳滤波维纳滤波是一种优化的图像重建方法，它考虑了噪声对图像重建的影响。

在Matlab中，可以使用维纳滤波函数wiener2对图像进行恢复。

该函数可以根据图像的噪声方差和信噪比自动调整滤波参数，使得图像的重建效果更好。

3. 最小二乘法最小二乘法也是一种常用的图像重建方法，它通过优化目标函数来求解最优重建结果。

在Matlab中，可以使用lsqnonneg函数进行最小二乘法拟合。

该函数能够在给定约束条件下求解非负解，并适用于一些不完全观测的图像重建问题。

二、图像恢复的概念和方法图像恢复是指在已损坏或丢失部分信息的图像中重建出尽可能高质量的图像。

与图像重建不同，图像恢复更加关注图像质量的提升。

常见的图像损坏包括噪声、模糊以及失真等。

在Matlab中，提供了很多图像恢复的函数和算法，如图像增强、去噪以及去模糊等。

1. 图像增强图像增强是一种常用的图像恢复方法，其目的是使图像在视觉上更加清晰、丰富和易于分析。

在Matlab中，可以使用imadjust函数对图像进行亮度和对比度调整，以达到图像增强的效果。

此外，还可以使用imsharpen函数对图像进行锐化处理，以提高图像的清晰度。

实验六 模糊图像恢复一、实验目的本实验是一个综合性实验，要求学生巩固学习多个知识点和内容，主要有： 1、理解掌握运动图像的退化模型； 2、掌握维纳滤波法的原理和实现方法；3、在不同的噪声和点扩散函数参数下进行恢复，并比较结果；4、通过分析和实验得出相应的结论。

二、实验准备1、运动模糊退化模型：运动模糊是图像退化的一种，可以用数学表达式刻画出来。

对线性移（空）不变系统，退化模型可表示为：g(x,y)=h(x,y)*f(x,y)+n(x,y)。

对匀速直线运动而言，退化图像为：()()()[]⎰--=Tdt t y y t x x f y x g 000,,其中x 0(t)和y 0(t)分别表示x 和y 方向的运动分量。

并假设退化系统是线性移不变的，光学成像过程是完善的，快门开关是瞬间完成的。

对上式进行傅立叶变换，则得频域表达式为()()()[]()()[]()[]()()()[]{}),(),(2exp ,2exp ,2exp ,,000000v u H v u F dt t vy t ux j v u F dtdxdy vy ux j t y y t x x f dxdy vy ux j y x g v u G T T=+-=⎥⎥⎦⎤⎢⎢⎣⎡+---=+-=⎰⎰⎰⎰⎰⎰+∞∞-+∞∞-+∞∞-+∞∞-πππ 其中()()()[]{}dt t vy t ux j v u H T⎰+-=0002exp ,π假设景物只在x 方向匀速运动，在T 时间内共移动距离是a ，即x 0(t)=at/T ，y 0(t)=0,则()()[]ua j ua ua T dt T at uj v u H Tππππ-=⎥⎦⎤⎢⎣⎡-=⎰exp sin 2exp ,0 在Matlab 中可用滤波器卷积的方法仿真出运动模糊图像。

h=fspecial(‘motion ’,len,theta),表示在theta 方向移动len 长度，产生运动模糊的点扩散函数h 。