数字图像处理05_图像复原课件.pptVIP

数字图像处理第05章 图像复原;本章内容;5.1 图像退化/复原过程的模型;常见退化图像;常见退化图像;常见退化图像;5.1 图像退化/复原过程的模型;5.1 图像退化/复原过程的模型;5.1图像退化/复原过程的模型;;5.1图像退化/复原过程的模型;降质过程可看作对原图像f (x,y)作线性运算。;5.1图像退化/复原模型;5.2有噪声情况下的图像复原;5.2有噪声情况下的图像复原;5.2.1噪声的空间和频率特性;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.2生成给定分布的随机数;5.2.2一些重要噪声模型的概率密度函数;5.2.2一些重要噪声模型的概率密度函数;5.2.3周期噪声;典型的周??噪声---正弦噪声;5.2.4噪声参数的估计;5.2.4噪声参数的估计;5.3只存在噪声的空间滤波复原;5.3 空间域滤波复原;5.3.1均值滤波器;5.3.1均值滤波器;5.3.1均值滤波器;5.3.1均值滤波器;(a) 电路板的X射线图像 (b) 由附加高斯噪声污染的图像(被均值为0，方差为400的高斯噪声污染) (c) 用3×3算术均值滤波器滤波的结果 (d) 用3×3的几何均值滤波器滤波的结果;(a) 以0.1的概率被”胡椒” 噪声污染的图像 (b) 以0.1的概率被”盐” 噪声污染的图像 (c) 用3×3大小、阶数为 1.5的逆谐波滤波器滤波 的结果 (d) 用Q=-1.5滤波(b)的结果;原图像 用3×3 的大小和Q＝－1.5 的逆谐波滤波器滤波的结果 用Q=1.5滤波的结果;5.3.1均值滤波效果小结;5.3.2统计排序滤波器;5.3.2统计排序滤波器;5.3.2统计排序滤波器;5.3.2统计排序滤波器;(a)由概率Pa=Pb=0.1的椒盐 噪声污染的图像 (b) 用尺寸为3×3的中值滤波 器处理的结果 (c) 用滤波器处理(b)的结果 (d) 用相同的滤波器处理(c)的结果;(a)用大小为3×3的最大滤波器对图5.8(a)滤波的结果 (b)用最小滤波器对图5.8(b)滤波的结果;由加性均匀噪声污染的图像 均值为0,方差为800的高斯噪声 (b) 图(a)加上椒盐噪声污染的图像 Pa=Pb=0.1得椒盐噪声 (c) 5×5的算术均值滤波处理图(b) (d) 几何均值滤波器处理图(b) (e) 中值滤波器处理图(b) (f) d=5的修正后的阿尔法均值滤波器;5.3.3自适应滤波器;5.3.3自适应滤波器;5.3.3自适应滤波器;自适应中值滤波器与传统中值滤波器的比较 传统中值滤波器只能处理空间密度不大的冲激噪声（pa,pb0.2）,而自适应中值滤波器可以处理具有更大概率的冲激噪声 可以在平滑非冲激噪声时保存细节，而传统中值滤波器无法做到 自适应中值滤波的主要目的 除去“椒盐”噪声(冲激噪声) 平滑其它非冲激噪声减少 物体边界细化或粗化等失真 ;(2) 自适应中值滤波器 (可用于处理更大概率密度得冲激噪声);(a) 被概率Pa=Pb=0.25的椒盐噪声污染了的图像 (b) 7×7中值滤波器的滤波效果 (消除噪声的同时导致图像细节明显损失) (c) Smax=7的自适应中值滤波器的效果 (消除噪声的同时保持图像的细节);5.4频域滤波器消减周期噪声; 用于在频率域噪声分量的一般位置近似已知的应用中消除噪声);(a) 被正弦噪声污染的图像 (b) 图(a)的频谱 (c) 巴特沃思带阻滤波器 (d) 滤波效果图;5.4.2带通滤波器;5.4.3陷波滤波器;理想陷波带阻滤波器 ;陷波带通滤波器：通过包含在陷波区的频率;5.4.3陷波滤波器;最佳陷波滤波器 当存在几种干扰时,前面介绍的方法有时就不可以采用了,因为在滤波过程中可能消除太多图像信息 另外干扰成分通常不是单频脉冲，他们通常有宽广的携带干扰信息的边界，从正常的变换背景中有时不容易检测到这些边界。 本节讨论的陷波滤波器方法最小化复原估计值 的局部方差，因而在一定意义上称为是最佳陷波滤波器 ;令:;5.4.4 最佳陷波滤波器;5.4.4 最佳陷波滤波器;5.5 线性、位置不变的退化;5.5 线性、位置不变的退化;5.6 估计退化函数;5.6 估计退化函数;5.6 估计退化函数;建立退化模型,模型要把引起退化的环境因素考虑在内.;5.6 估计退化函数;