数字图像处理四五专题.docVIP

院系： 班级： 姓名： 序号： 专题四 图像复原 实验内容 已知一图象p04-03-01，设计一低通滤波器将其退化，再对退化后的图象施加高斯噪声。利用低通滤波器的系统函数作为退化函数（低通滤波器的截止频率自行设定），采用逆滤波方式和维纳滤波将其重新复原，并比较复原结果。 算法思想 逆滤波复原 ·对退化图像g（x,y）作二维离散傅里叶变换，得到G(u,v); ·计算系统点扩散函数h(x,y)(一般书上的计算式直接给的H(u,v))的二维傅里叶变换，得到H(u,v)（这一步值得注意的是，通常h（x,y）的尺寸小于g(x,y)的尺寸。为了消除混叠失真效应引起的误差，需要把h(x,y)的尺寸延拓）； ·计算,N(u,v)为噪声函数 （F（u，v）=G（u，v）/H（u，v）） ·计算F（u,v）的傅里叶逆变换得到f(x,y) 维纳滤波复原 ·计算图像g(x,y)的二维离散傅里叶变换得到G(u,v) ·计算点扩散函数h(u,v)的二维离散傅里叶变换 ·估算图像的功率谱密度Pf和噪声的谱密度Pn ·计算图像的估计值F(u,v) ·计算F（u,v）的逆傅氏变换，得到恢复后的图像f(x,y) 程序设计 I1=imread(p04-03-01.bmp); I=double(I1); [M,N]=size(I); f=fft2(I); g=fftshift(f); n=3;d0=20; n1=fix(M/2);n2=fix(N/2);%向下取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); H(i,j)=1/(1+0.414*(d/d0)^(2*n)); g(i,j)=H(i,j)*g(i,j);%h为退化函数（传递函数H(u,v)），右边g(i,j)为原始图像的fft，左边g(i,j)为退化图像的fft %G(i,j)=g(i,j); end end g=ifftshift(g); g=uint8(real(ifft2(g))); subplot(221),imshow(g) title(低通滤波退化图); J=imnoise(g,gaussian,0,0.005); subplot(222),imshow(J) title(退化且添加高斯噪声); P=fft2(P); F0=fftshift(fft2(J)); F1=F0./H; I2=ifft2(fftshift(F1)); subplot(223);imshow(uint8(I2)) title(逆滤波复原) K=0.000004; for u=1:M for v=1:N d=sqrt((i-n1)^2+(j-n2)^2); H(u,v)=1/(1+0.414*(d/d0)^(2*n)); H0(u,v)=(abs(H(u,v)))^2; H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+K)); end end F2=H1.*F0; I3=ifft2(fftshift(F2)); subplot(2,2,4); imshow(uint8(I3)); title(维纳滤波复原图); 运行结果 结果分析 当噪声为0，则采用逆滤波恢复法能完全再现原图像。若噪声存在，而且H（u，v）很小或为零时，则噪声被放大。理论上说，因为维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理，其目标是寻找一个滤波器，使得复原后图像与原始图像的均方误差最小。维纳滤波对高斯白噪声的图像滤波效果较好，具有比较好的选择性，可以更好地保存图像的边缘和高频细节信息。 专题五 图象重建 实验内容 根据傅立叶反变换实施图象重建 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1