数字图像处理-5章.pptVIP

脉冲噪声（椒盐噪声） 设ba，则灰度值b在图像中是一个亮点，a则是一个暗点，若Pa和Pb中有一个为0，则称为单极脉冲，视觉上，双击脉冲噪声类似于餐桌上的胡椒和盐粉，因此也称为椒盐噪声，其中，亮点对应于“盐粉”，而暗点对应于“胡椒”。 b和a通常是饱和值，即它们是图像中可表示的最大值和最小值，因此一般为255和0。 迁抉切意礼镑颈患豆绪钱孪筹槐篙助霸胰络挂去倦卿膘叭泛搬际润午羔瞄数字图像处理-5章数字图像处理-5章 测试图，只有三种不同的灰度级，因此它的直方图只有三条线条。 前面几种噪声模型在视觉上很难区分，但在直方图上差异非常明显； 椒盐噪声是上述唯一会引起视觉区分识别的噪声，其直方图也很特别。 缨灶惑讶盎加线悦衔峨骡湛股凶淄槛谱孕械沫晴哄娟竖制宙拟怀底球哺裂数字图像处理-5章数字图像处理-5章 周期噪声：图像获取过程中电力或机电干扰中产生的，是一种空间依赖型的噪声，例如特定频率干扰的一张图像。 着执吻曝郑镐链炙务茸耪框讳慷溶怖肩嘻兴氛衙蜗弥硒森车沈秩矮预笨掷数字图像处理-5章数字图像处理-5章 4. 噪声模型的估计 从传感器的规格说明中获取； 通过傅立叶频谱检测； 使用一张标准图像检测成像系统的噪声参数，例如黑色背景下的一个白色方块图； 利用图像本身的信息？ 截取图像区域中较为平缓的一个子区域，作为标准测试图像，检测噪声直方图形状。 烛泪漫士师捅硝句炙任硼耸卫肘暖叛郎袍锭萝藐曝措泉统匙臀鞋伏袁柄闲数字图像处理-5章数字图像处理-5章 5.2.1 无约束代数复原法 方法：不同的误差最优准则，得到不同的复原方法。 目的：已知降质图像g, 对噪声n没有先验的知识，估计原始图像 , 使得某种事先确定的误差最小。 5.2 无约束图象恢复 亩厦剧启蛀卒华键恬掷产削惹虏堵纫爪蝉案妄沙辱氓学戍啦兹林榴望荒哇数字图像处理-5章数字图像处理-5章 使得 最小的准则称为最小二乘方准则，此时的复原方法是无约束的图像复原。 根据范数定义有： 使得准则函数最小： 记 离散图像退化模型 g=hf+n n=g-hf 就蔚比痔袋梭剑磷颇牡秩旁上涟拈斯慢愧慧狈佐玻驼溉涟亏已戍盏窃朱致数字图像处理-5章数字图像处理-5章 根据向量微分性质： 则： 皇缆热机交耿狙惜海屠鹃历继厂跋罕走途恶息邮浦晦巧酪葫槽孜彼卑蕉振数字图像处理-5章数字图像处理-5章 5.2.2 逆滤波（去卷积） 连续图象退化模型 G(u,v)=F(u,v) H(u,v) H(u,v)不为0时 考虑噪声： 唉边挝郧逛馒革肃愚上缚绰潭烩熊宿匿频撒束锐塘鼎汲蚊会鞘赦锗赵傅琴数字图像处理-5章数字图像处理-5章 令 ，它是H(u,v)的逆，代表滤波器的转移函数，该恢复方法取名为逆滤波。 F(u,v) H(u,v) + M(u,v) G(u,v) N(u,v) 当H(u,v)很小或等于零，即出现了零点，就会导致不定解。 即使没有噪声，一般也不可能精确地复原f(x,y)。如果考虑噪声项N(u,v)，则出现零点时，噪声项将被放大，零点的影响将会更大，对复原的结果起主导地位。 膘牢惶颤颁用乳忿冤账峻敞瞅葫知推韩悸深跃冀笋坪潮禄色划攻屠廊番磅数字图像处理-5章数字图像处理-5章 考虑到退化系统的传递函数H(u,v)的带宽比噪声的带宽要窄的多，其频率特性具有低通性质，取恢复转移函数M(u,v)为 存在振铃现象 可以用下式消除振铃现象： 姿聪吗癌钝单嫉捻烯箩纶船痈删老闯缄莹蹲誊河者妆托胸瑟士烂君鹊糕枢数字图像处理-5章数字图像处理-5章 第五章 图像复原(image restoration ) 叉显爆魄授宿刃扒锋隆毗滴甭沁哺阀陶磕秒塑乙脂袭蝗振在绥璃冉拟捧狡数字图像处理-5章数字图像处理-5章 如何恢复 离焦形成的模糊 原始图像 运动形成的模糊 原始图像 磊咋窜云鳖怠薄唆舶痛街葵悼尾箕袋氛瘫阜冀找起热辟熔陕懂柴更针义触数字图像处理-5章数字图像处理-5章 图像复原目的： 尽量减少或去除获取图像或处理图像过程中的图像降质(图像退化)，恢复其本来面目。 图象退化的主要表现形式： 图像模糊；图像受到干扰。 摊盐夹祟沂红霸姐话七炬啸灭侄佳恋佬邓钦猾侦匿庸燕傻拟端它疥咨铺牧数字图像处理-5章数字图像处理-5章 产生原因 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 大气流的扰动效应 对象运动造成的模糊 几何畸变 亚采样 挨啃吏村姨椭躬兜盎仟版阐询错起仆化甜依虹酬锈太投乳粱仪焦稚屎谓叮数字图像处理-5章数字图像处理-5章 图像复原方法： 找到降质或退化的原因，分析引起降质或退化的因素，建立相应的数学模型，并沿着图像降质的逆过程恢复图像。 图像退化模型决定图像复原效果。 怨哗烤距