朱正為-8數(shù)字圖像處理的應(yīng)用(編輯修改稿)
2025-07-21 02:02 本頁面
【文章內(nèi)容簡介】 al，以及噪聲生成函數(shù)imnoise建模PSF的技術(shù)。由場景和傳感器產(chǎn)生的圖像模糊可用低通濾波器來建模；運動模糊使用IPT（圖像處理工具箱）函數(shù)fspecial（生成線性空間濾波器）建模。（1）產(chǎn)生運動模糊的PSF:PSF=fspecial(39。motion39。, len, theta)調(diào)用fspecial將返回PSF，它近似于攝像機有l(wèi)en個像素的線性移動的效果。參數(shù)theta以度為單位，以順時針方向相對正水平軸進行度量。（2）創(chuàng)建一個已知PSF的退化圖像，使用函數(shù)imfilter（線性空間濾波）： g=imfilter(f, PSF, 39。circular39。)。其中circular為邊界選項，用來減少邊界效應(yīng)。（3）使用函數(shù)checkerboard產(chǎn)生測試圖案C=checkerboard(NP, M, N)其中NP是每個小正方形一邊的像素數(shù)，M是行數(shù)，N是列數(shù)。測試板左半部分的亮正方形是白色的，右半部分的亮正方形是灰色的。若省略了N，則默認為M，若都省略，則默認為8。（4）由于有些復原算法對于大圖像很慢，因此通常對小圖像做實驗，而通過像素復制以放大顯示圖像（自定義函數(shù)）：B=pixeldup(A, m, n)該函數(shù)將A的每個像素在垂直方向上總共復制了m次，在垂直方向上總共復制了n次。自定義函數(shù)pixeldup(A,m,n)的程序function B=pixeldup(A,m,n)%PIXELDUP duplicates pixels of an image in both directions%Check inputsif nargin2 error(39。At least two inputs are required.39。)。endif nargin==2 n=m。end%Generatr a vector with elements 1:size(A,1).u=1:size(A,1)。%Duplicate each element of the vector m times.m=round(m)。%Protect against nonintergers.u=u(ones(1,m),:)。u=u(:)。%Now repeat for the other direction.v=1:size(A,2)。%Duplicate each element of the vector m times.n=round(n)。%Protect against nonintergers.v=v(ones(1,n),:)。v=v(:)。B=A(u,v)。（5）舉例：模糊噪聲圖像的建模f=checkerboard(8)。//產(chǎn)生測試圖像(a)PSF=fspecial(39。motion39。, 7, 45)。gb=imfilter(f, PSF, 39。circular39。)。//產(chǎn)生退化圖像(b)noise=imnoise(zeros(size(f)), 39。gaussian39。, 0 ,)。//產(chǎn)生噪聲模式(c)，通常我們直接使用imnoise(gb, 39。gaussian39。, 0 ,)將噪聲加到gb上g=gb + noise。//產(chǎn)生模糊噪聲圖像(d)imshow(pixeldup(f, 8), [ ])。//放大到512*512顯示維納濾波復原是一種線性圖像復原方法。我們首先定義平均噪聲功率和平均圖像功率及它們的比率：有時用來近似代替，以便產(chǎn)生一個常數(shù)數(shù)組，產(chǎn)生參數(shù)維納濾波器，可以對直接逆濾波產(chǎn)生重大改進。（1）在IPT中，維納濾波使用函數(shù)deconvwnr(g, PSF)來實現(xiàn)：fr=deconvwnr(g, PSF) //假設(shè)噪信比為零，這種形式實現(xiàn)的即是逆濾波器。fr=deconvwnr(g, PSF, NSPR) //假設(shè)噪信功率比已知，這用于實現(xiàn)參數(shù)維納濾波器。fr=deconvwnr(g, PSF, NACORR, FACORR) //假設(shè)噪聲和未退化圖像的自相關(guān)函數(shù)NACORR和 FACORR是已知的。由可知，通過計算圖像（或噪聲）功率譜的傅里葉逆變換可得到圖像（或噪聲）的自相關(guān)函數(shù)。（2）舉例：使用函數(shù)deconvwnr復原前述（運動）模糊噪聲圖像①fr1=deconvwnr(g, PSF) //直接逆濾波，結(jié)果如圖(b)所示，這個結(jié)果由噪聲的效果所決定。 ②fr2=deconvwnr(g, PSF, R) //使用比率R復原圖像，結(jié)果如圖(c)所示。比率R是利用噪聲圖像和原圖像得到的，過程如下：Sn=abs(fft2(noise)).^2。nA=sum(Sn (:))/prod(size(noise))。Sf=abs(fft2(f)).^2。fA=sum(Sf (:))/prod(size(f))。R=nA/fA。③使用自相關(guān)函數(shù)和deconvwnr進行圖像復原：NCORR=fftshift(real(ifft2(Sn)))。ICORR=fftshift(real(ifft2(Sf)))。Fr3=deconvwnr(g, PSF, NCORR, ICORR)。結(jié)果如圖(d)所示，所得結(jié)果雖然仍有一些噪聲存在，但已和原圖像很接近，因為原圖像和噪聲都是已知的，所以可以正確地估算參數(shù)。在實踐中，當這些量之一（或更多）未知時，挑戰(zhàn)便是在實驗中智能地選擇所用的函數(shù)，直到獲得可接受的結(jié)果為止。 約束的最小二乘方濾波復原約束最小二乘方濾波復原也是一種線性圖像復原方法。（1）約束最小二乘方濾波復原在IPT中通過函數(shù)deconvreg來實現(xiàn)：fr=deconvreg(g, PSF, NOISEPOWER, RANGE)// NOISEPOWER 與成正比，其較好的初始估計為，最后的結(jié)果可能有很大的不同。RANGE為值的范圍，在
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1