数字图像处理-8.ppt

数字图像处理 8.4.1 逆滤波 设M = N 逆滤波：用H (u, v)去除G (u, v) （ 滤波函数H (u, v)与F (u, v)相乘：退化） 数字图像处理 8.4.1 逆滤波 分析/讨论 H (u, v)在UV 平面上取零或很小，N (u, v) / H (u, v)就 会使恢复结果与预期的结果有很大差距 噪声带来更严重的问题（知道H也估计不准 f ） H (u, v)常随u，v与原点距离的增加而迅速减小，而噪声N (u, v)却一般变化缓慢。在这种情况下，恢复只能在与原点较近（接近频域中心）的范围内进行 数字图像处理 8.4.1 逆滤波 记M (u, v)为恢复转移函数，并不正好是1 / H (u, v) 图象退化和恢复模型 除去H(u, v)为零的点 减少振铃效应 k和d均为小于1的常数 数字图像处理 模糊点源以获得转移函数 将点源图象看做单位脉冲函数（F [? (x, y)] = 1）的近似 则有 G(u, v) = H(u, v) F(u, v) ? H(u, v) 图象退化和恢复示例 退化图 滤波器 除去零点 减少振铃 8.4.1 逆滤波 数字图像处理 匀速直线运动 8.4.2 消除匀速直线运动模糊 T: 采集时间长度 x方向运动分量 y方向运动分量 数字图像处理 第*页 南京大学 金陵学院 图象工程 数字图像处理 第8章 图象恢复 8.1 退化及噪声 8.2 退化模型和对角化 8.3 关于恢复的讨论 8.4 无约束恢复 8.5 有约束恢复 8.6 交互式恢复 数字图像处理 图象恢复:也称图象复原，图象处理中的一大类技术 图象恢复vs.图象增强 相同之处：改进输入图象的视觉质量 不同之处： 图象增强借助人的视觉系统特性，从而取得较好的视觉结果（不考虑退化原因） 图象恢复根据相应的退化模型和知识重建或恢复原始的图象（考虑退化原因） 第8章 图象恢复 数字图像处理 图象恢复方法分类 技术：无约束和有约束 策略：自动和交互 处理所在域：频域和空域 从广义的角度上来看： 几何失真校正 投影重建 第8章 图象恢复 数字图像处理 8.1 退化及噪声 8.1.1 图象退化示例 8.1.2 噪声及来源 8.1.3 噪声概率密度函数 数字图像处理 8.1.1 图象退化示例 图象退化 图象退化指由场景得到的图象没能完全地反映场景的真实内容，产生了失真等问题 透镜象差/色差 聚焦不准（失焦，限制了图象锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 数字图像处理 8.1.2 噪声及来源 常见噪声 热噪声：白噪声（频率覆盖整个频谱） 高斯噪声（幅度符合高斯分布） 闪烁噪声：具有反比于频率（1/f）的频谱 粉色噪声（在对数频率间隔内有 相同的能量） 发射噪声：高斯分布（电子运动的随机性） 数字图像处理 8.1.3 噪声概率密度函数 1、高斯噪声 数字图像处理 8.1.3 噪声概率密度函数 2、均匀噪声 数字图像处理 8.1.3 噪声概率密度函数 3、脉冲噪声 噪声脉冲可以 是正的或负的 一般假设a和b 都是“饱和”值 双极性脉冲噪声 也称椒盐噪声 数字图像处理 8.2 退化模型和对角化 8.2.1 退化模型 8.2.2 退化模型的计算 8.2.3 轮换矩阵对角化 数字图像处理 8.2.1 退化模型 退化模型 H：退化过程 n(x, y)：加性噪声（统计特性已知） 恢复图象：在给定g (x, y)和代表退化的H的基础上 得到对f (x, y)的某个近似 数字图像处理 8.2.1 退化模型 退化H的性质 (1) 线性： (2) 相加性（k1 = k2 = 1 ）： (3) 一致性（f2(x, y) = 0 ）： (4) 位置（空间）不变性： 数字图像处理 8.2.2 退化模型的计算 1-D退化过程 卷积 f (x)和h(x)：采样 ? 2个数组 A和B 为避免卷积周期重叠： M ≥ A + B – 1 数字图像处理 用矩阵形式表示 根据周期性 he(x) = he(x+M) 8.2.2 退化模型的计算 轮换矩阵 数字图像处理 推广到2-D 扩 展 不考虑噪声 8.2.2 退化模型的计算 数字图像处理 块轮换矩阵（每块都轮换标注） 轮换矩阵