圖像的運(yùn)動(dòng)模糊及濾波恢復(fù)課程設(shè)計(jì)(編輯修改稿)
2025-07-23 12:23 本頁面
【文章內(nèi)容簡介】 模糊的點(diǎn)擴(kuò)散函數(shù)：由于焦距不當(dāng)導(dǎo)致的圖像模糊可以用如下函數(shù)表示： (215)其中J1是一階Bessel函數(shù)，r2 = u2 + v2，a是位移。該模型不具有空間不變性。大氣擾動(dòng)的點(diǎn)擴(kuò)散函數(shù)：大氣的擾動(dòng)造成的圖像模糊在遙感和天文中是需要復(fù)原的。它是由大氣的不均勻性使穿過的光線偏離引起的，以下給出了數(shù)學(xué)模型，其表達(dá)式為： (216)其中c是一個(gè)依賴擾動(dòng)類型的變量，通常通過實(shí)驗(yàn)來確定。冪5/6有時(shí)用1代替。當(dāng)我們得到一幅退化圖像的時(shí)候，首先要判斷其退化類型然后通過已知的先驗(yàn)知識(shí)進(jìn)行恢復(fù)。 圖像的運(yùn)動(dòng)模糊處理選擇一幅256級(jí)的灰度圖像，在MATLAB中編程對(duì)其進(jìn)行運(yùn)動(dòng)模糊加噪處理。此處采用點(diǎn)擴(kuò)展函數(shù)對(duì)其進(jìn)行運(yùn)動(dòng)模糊加噪處理。首先通過調(diào)用info=imfinfo(‘’)，來觀察圖像的相關(guān)屬性，： 圖像屬性圖設(shè)置模糊長度為20，模糊角度為45度，對(duì)所選圖像進(jìn)行運(yùn)動(dòng)模糊加噪處理，程序如下：I=imread(39。39。)。figure(1)。subplot(2,2,1)。imshow(I,[])。title(39。原圖像39。)。PSF=fspecial(39。motion39。,20,45)。%表示物體逆時(shí)針方向以45度角 度運(yùn)動(dòng)了20個(gè)像素MF=imfilter(I,PSF,39。circular39。)。subplot(2,2,2)。imshow(MF,[])。title(39。運(yùn)動(dòng)模糊圖像39。)。noise=imnoise(zeros(size(I)),39。gaussian39。,0,)。MFN=imadd(MF,im2uint8(noise))。subplot(2,2,3)。imshow(MFN,[])。title(39。運(yùn)動(dòng)模糊加噪圖像39。)。： 模糊參數(shù)為45的運(yùn)動(dòng)模糊圖像3 運(yùn)動(dòng)模糊圖像的恢復(fù)圖像復(fù)原是通過計(jì)算機(jī)處理，對(duì)質(zhì)量下降的圖像加以重建或恢復(fù)的處理過程，因攝像機(jī)與物體的相對(duì)運(yùn)動(dòng)、系統(tǒng)誤差、畸變、噪聲等因素的影響，使圖像往往不是真實(shí)景物的完善圖像。在圖像復(fù)原中，需建立造成圖像質(zhì)量下降的退化模型，然后運(yùn)用相反過程來恢復(fù)原來的圖像，并運(yùn)用給一定的準(zhǔn)則來判定是否得到圖像的最佳復(fù)原。 圖像復(fù)原的流程 運(yùn)動(dòng)模糊退化函數(shù)的參數(shù)估計(jì)運(yùn)動(dòng)模糊的處理可以從兩方面著手，一方面是從空間域的角度，另外一方面就是從頻域的角度來估計(jì)參數(shù)。前者的理論基礎(chǔ)是：由于圖像的運(yùn)動(dòng)導(dǎo)致了圖像的邊緣信息大量丟失，而圖像的邊緣在圖像頻譜中是屬于高頻成分的，也就是運(yùn)動(dòng)模糊導(dǎo)致了高頻成分的丟失。因此對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行方向微分，灰度值最小的方向即為我們要找的模糊方向，最后用自相關(guān)的方法來確定模糊長度。后者則是從大量運(yùn)動(dòng)圖像的頻譜中可以觀察到：運(yùn)動(dòng)模糊圖像的頻譜會(huì)呈現(xiàn)出明暗相間的條紋，其中暗條紋的傾斜角剛好與模糊方向之和為90度，暗條紋的個(gè)數(shù)與模糊長度差1，當(dāng)然這只是對(duì)于長和寬相等的圖像來說的。下面我們來觀察不同運(yùn)動(dòng)方向下圖像的頻譜圖。選擇一副256級(jí)的灰度圖像，對(duì)此圖像進(jìn)行模糊長度為10，方向分別為00和450的運(yùn)動(dòng)模糊處理，然后分別求其運(yùn)動(dòng)模糊處理后圖像的頻譜圖，參考程序如下： I=imread(39。39。)。 figure。subplot(2,2,1)。imshow(I,[])。 title(39。原圖像39。)。 PSF=fspecial(39。motion39。,10,0)。 MFN=imfilter(I,PSF,39。circular39。)。 subplot(2,2,2)。imshow(MFN,[])。 title(39。運(yùn)動(dòng)模糊圖像39。)。 s=fft2(MFN)。 e=fftshift(s)。%將變換后圖像頻譜中心從矩陣的原點(diǎn)移動(dòng)到矩陣的中心 A=abs(e)。%得到圖像的幅度譜 B=log(1+A)。subplot(2,2,3)。imshow(B,[])。上述程序是角度為00時(shí)的程序，若要編寫模糊角度為450的程序，只需要將上述程序的第四行最后一個(gè)參數(shù)改為45就可以了。： 模糊角度為00時(shí)的頻譜圖 模糊角度為450時(shí)的頻譜圖從上面的圖形可以看出，頻譜中出現(xiàn)了明暗相間的條紋，而且隨著模糊角度的不同，圖像頻譜中暗條紋的方向也不一樣，我們要做的就是提取其傾斜角，估計(jì)其運(yùn)動(dòng)模糊的角度參數(shù)，觀察期暗條紋的個(gè)數(shù)，估計(jì)其模糊長度。根據(jù)這種在頻域的方式來進(jìn)行的估計(jì)，比較簡便，但是此方法具有一定的缺陷，那就是模糊長度較大時(shí)，不能準(zhǔn)確地估計(jì)模糊長度，并且在角度估計(jì)時(shí)會(huì)有一定的誤差。特別是當(dāng)圖像收到噪聲的影響時(shí)估計(jì)誤差更大。 運(yùn)動(dòng)模糊圖像復(fù)原方法逆濾波復(fù)原也稱為反向?yàn)V波法，是一種簡單直接的無約束圖像復(fù)原方法，其基本原理為：在假設(shè)不受噪聲影響的理想情況下，用退化圖像的傅里葉變換G(u, v)除以退化系統(tǒng)的傳遞函數(shù)H(u, v),得到原始圖像的傅里葉變換F(u, v)，然后對(duì)F(u, v)進(jìn)行傅里葉反變換就可以得到原始圖像f (x, y)。根據(jù)圖像的退化模型式(212)可得其傅里葉變換為：G (u, v) = H (u, v) F (u, v) + N (u, v) (31)即 (32)式中，G (u, v)、F (u, v)、H (u, v)、N (u, v)分別是g(x, y)、f (x, y)、h(x, y)、n( x, y)的傅里葉變換，而H (u, v)為系統(tǒng)的傳遞函數(shù)。在忽略噪聲影響時(shí)，退化模型的傅里葉變換可以簡化為：G (u, v) = H (u, v) F (u, v) (33)即 (34)從逆濾波算法的基本處理過程可以看出，該方法的最大特點(diǎn)就是通過FFT來實(shí)現(xiàn)，運(yùn)算速度很快，比較適合大尺寸的二維圖像。實(shí)際上即便知道了退化函數(shù)H (u ,v)，也未必準(zhǔn)確地恢復(fù)
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1