圖像的運(yùn)動(dòng)模糊及濾波恢復(fù)課程設(shè)計(jì)-資料下載頁
2025-06-26 12:23本頁面
【正文】 end G=F.*H。 I0=real(ifft2(fftshift(G)))。 I1=imnoise(uint8(I0),39。gaussian39。,0,)。 subplot(2,2,2)。imshow(uint8(I1))。title(39。模糊退化且添加高斯噪聲的圖像39。)。 f=double(I1)。 F1=fftshift(fft2(f))。 HW=spectrum/(H(u,v)*(spectrum+))。 restore1=HW.*F1。 restored=real(ifft2(ifftshift(restore1)))。 subplot(2,2,3)。imshow(restored,[])。title(39。K=39。)。 HW1=spectrum/(H(u,v)*(spectrum+))。 restore2=HW1.*F1。 restored3=real(ifft2(ifftshift(restore2)))。 subplot(2,2,4)。imshow(restored3,[])。title(39。K=39。)。： 維納濾波恢復(fù)圖，選擇不同的K值對運(yùn)動(dòng)模糊圖像的維納濾波處理會造成一定程度上的影響，所以在進(jìn)行維納濾波時(shí)，要注意K值得選取。而從另外一方面可以得知，運(yùn)動(dòng)模糊加噪后的圖像進(jìn)行維納濾波的效果比逆濾波的效果好得多，所以這種最小均方誤差濾波的方法可以適用于加噪干擾的信號恢復(fù)。5 振鈴效應(yīng)運(yùn)動(dòng)導(dǎo)致圖像模糊本質(zhì)就是對原始圖像進(jìn)行對點(diǎn)平滑的過程，在數(shù)學(xué)上這個(gè)過程叫做卷積，所以圖像復(fù)原就是去卷積（也稱為逆卷積）。在恢復(fù)圖像的過程中，每一個(gè)像素都需要相鄰像素的信息才可以進(jìn)行逆卷積，但由于位于圖像邊邊界的像素并沒有充分多的相鄰像素可以采用，這就會導(dǎo)致復(fù)原圖像的邊緣效果變差，并且整個(gè)圖像都會出現(xiàn)明暗相間的條紋，這就是振鈴效應(yīng)。根據(jù)振鈴的位置不同可將振鈴分為兩種。圖像邊界出現(xiàn)的橫條紋稱為邊界振鈴，圖像色度或灰度變化較大的部分產(chǎn)生的振鈴稱為邊緣振鈴。振鈴效應(yīng)是圖像復(fù)原領(lǐng)域需要解決的一個(gè)非常重要的問題。因其振鈴現(xiàn)象的原因有很多種，例如：圖像在退化的過程中高頻分量的丟失、在估計(jì)退化函數(shù)的時(shí)候誤差的影響以及圖像復(fù)原模型的選取不當(dāng)均是引起振鈴現(xiàn)象的因素?？偨Y(jié)起來,引起復(fù)原圖像質(zhì)量變差的原因可歸結(jié)為以下四點(diǎn)：(1)邊界效應(yīng)。模糊圖像產(chǎn)生的過程中,每個(gè)像素都是由相鄰像素的加權(quán)值得到的。因此運(yùn)動(dòng)方向左右兩側(cè)的邊界圖像在復(fù)原的過程中由于沒有足夠的像素信息會導(dǎo)致在臨近邊界處產(chǎn)生振鈴,稱為邊界振鈴。(2)點(diǎn)擴(kuò)散函數(shù)問題。首先,在估計(jì)點(diǎn)擴(kuò)散函數(shù)的時(shí)候,估計(jì)誤差不能保證為零。這樣就會產(chǎn)生由于模糊精度的估計(jì)誤差所產(chǎn)生的圖像復(fù)原質(zhì)量變差。其次,由于圖像是離散信號,構(gòu)造的點(diǎn)擴(kuò)散函數(shù)需要離散化,對于非水平方向的運(yùn)動(dòng)模糊就會出現(xiàn)點(diǎn)擴(kuò)散函數(shù)的離散化誤差。(3)運(yùn)算精度。實(shí)驗(yàn)中進(jìn)行各種運(yùn)算都是浮點(diǎn)運(yùn)算,有一定的舍入誤差。(4)退化模型的建立。圖像復(fù)原質(zhì)量要建立在正確模型的建立之上,現(xiàn)實(shí)生活中圖像的獲取會受到一系列問題的干擾,我們只能最大程度地去逼近退化過程,但不能準(zhǔn)確無誤地模擬各種復(fù)雜的退化過程。這樣實(shí)際圖像的復(fù)原質(zhì)量就和我們所模擬的退化過程與實(shí)際過程之間的近似度有很大的關(guān)系。所以要消除振鈴效應(yīng)在建立正確的圖像退化模型,在提高退化函數(shù)估計(jì)精度的基礎(chǔ)上,盡可能的保持圖像的邊緣信息(既圖像的高頻分量)。6 心得體會本次課程設(shè)計(jì)主要是針對運(yùn)動(dòng)模糊圖像進(jìn)行研究。通過對圖像的運(yùn)動(dòng)模糊以及對運(yùn)動(dòng)模糊后的圖像進(jìn)行復(fù)原，掌握了運(yùn)動(dòng)模糊的方法和逆濾波、維納濾波進(jìn)行圖像復(fù)原的相關(guān)原理。由于之前的課程有涉及到相關(guān)的知識，所以基本的原理剛開始是知道的，但是如果是涉及到在Matlab中編寫程序，還有一些知識我并不是很懂，所以在進(jìn)行設(shè)計(jì)之前，我查閱了相關(guān)的文章，但是一般的文章都是只進(jìn)行算法的研究，而沒有實(shí)際的代碼，而且可能由于我看到的都是碩士的論文，所以研究的方面很全，涉及到的知識也很多，對于我這次做課程設(shè)計(jì)來說，顯得復(fù)雜了一些。所以我花了很大部分的精力在看這些論文上面。在設(shè)計(jì)程序的時(shí)候，由于設(shè)計(jì)題目有要求說維納濾波不能直接調(diào)用Matlab庫中的函數(shù)，所以要根據(jù)維納濾波的公式進(jìn)行編寫，而且對于逆濾波，Matlab中沒有直接可以調(diào)用的函數(shù)，也要根據(jù)公式來進(jìn)行編寫，剛開始不知道從何下手，后來進(jìn)過查找一些相關(guān)的資料，然后根據(jù)自己設(shè)計(jì)題目的要求進(jìn)行一些改動(dòng)，得到了我所需要的結(jié)果，并且根據(jù)這些程序進(jìn)行了一些分類比較，使得結(jié)果更具有代表性。在查找資料的過程中，我對數(shù)字圖像處理的認(rèn)識更加清楚，了解到了更多的圖像處理方法和思想。選擇的幾種方法是比較常用的，也是比較有代表性的方法，在利用這幾種方法實(shí)現(xiàn)運(yùn)動(dòng)模糊圖像復(fù)原的過程中，學(xué)到了逆濾波和維納濾波的特點(diǎn)以及適用的范圍。在MATLAB程序?qū)崿F(xiàn)過程中，調(diào)試相應(yīng)的程序，完成相應(yīng)的參數(shù)設(shè)置，并觀察不同參數(shù)下的圖像處理效果，從而加深對各種濾波算法原理和過程的理解。其實(shí)每次做課程設(shè)計(jì)的時(shí)候，剛開始都是從資料的收集開始的，通過了解相關(guān)的知識之后，自己再開始動(dòng)手做，這收集資料和解決問題的過程就是自己進(jìn)步的開始，就是在這次課程設(shè)計(jì)中學(xué)到的東西，累計(jì)的經(jīng)驗(yàn)。在這樣的實(shí)踐課程中，提高了我獨(dú)立思考問題和解決問題的能力，鍛煉了我動(dòng)手實(shí)踐的能力，在這個(gè)過程中受益頗多。參考文獻(xiàn) [1] 楊杰，. 北京：電子工業(yè)出版社 ,2010. [2] ：清華大學(xué)出版社,2007. [3] ：科學(xué)出版社,2007. [4] 阮秋琦，(第二版).北京：電子工業(yè)出版社,2005. [5] [M].北京：高等教育出版社，2005.本科生課程設(shè)計(jì)成績評定表姓 名性 別專業(yè)、班級課程設(shè)計(jì)題目：課程設(shè)計(jì)答辯或質(zhì)疑記錄：成績評定依據(jù)：最終評定成績（以優(yōu)、良、中、及格、不及格評定）指導(dǎo)教師簽字： 年 月 日+165。19
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1