第6章圖像復(fù)原(參考版)
2024-07-31 12:23本頁面
【正文】 圖 內(nèi)插法幾何校正 。01||yy? ??式中， ?優(yōu)點： ?內(nèi)插法校正灰度連續(xù)，結(jié)果一般滿足要求 。01||xx? ??? 39。 ? 1．最近鄰點法 – 該法取與像素點相鄰的 4個點中距離最近的鄰點灰度值作為該點的灰度值。 ? 一般校正后的圖像某些像素點可能分布不均勻，不會恰好落在坐標(biāo)點上，因此常采用內(nèi)插法來求得這些像素點的灰度值。 ? 以三角形線性法為例討論變換問題。 ? 在 h h2未知的情況下的校正方法。)中找到對應(yīng)像點。 – 根據(jù)兩幅圖像的一些已知對應(yīng)點對建立起函數(shù)關(guān)系式，將失真圖像的 x‘y’坐標(biāo)系變換到標(biāo)準(zhǔn)圖像 xy坐標(biāo)系，從而實現(xiàn)失真圖像按標(biāo)準(zhǔn)圖像的幾何位置校正，使 f(x, y)中的每一像點都可在 g (x39。 – 第一步：圖像空間坐標(biāo)的變換； – 第二步：重新確定在校正空間各像素點的取值。 ? 典型的非系統(tǒng)失真如圖 。 典型的幾何失真 ? 1．系統(tǒng)失真 ? 光學(xué)系統(tǒng)、電子掃描系統(tǒng)失真而引起的斜視畸變、枕形、桶形畸變等，都可能使圖像產(chǎn)生幾何特性失真。 ? 以上圖像退化現(xiàn)象稱之為 幾何失真 。 ? 盲圖像復(fù)原法是在沒有圖像退化必要的先驗知識的情況下，對觀察的圖像以某種方式提取出退化信息，采用盲去卷積算法對圖像進行復(fù)原。 ?采用同態(tài)濾波可以實現(xiàn)同態(tài)增晰 ?能使圖像的灰度動態(tài)范圍壓縮又能使感興趣的物體圖像灰度級擴展。 ? 同態(tài)濾波復(fù)原過程可用圖 。 – 當(dāng)降質(zhì)圖像是由兩個分量相乘得到時，可先對降質(zhì)圖像取對數(shù)，得到兩個相加的分量，再進行濾波處理，最后通過指數(shù)變換得到復(fù)原圖像 。,(),( ? ????????方法簡介 ? 最大后驗復(fù)原 ? 最大熵復(fù)原 – 1．正性約束條件 – 2. 最大熵復(fù)原原理 – 3． Friend和 Burg復(fù)原方法 ? （ 1） Friend最大熵復(fù)原 ? （ 2） Burg最大熵復(fù)原 ? 投影復(fù)原 ? 同態(tài)濾波復(fù)原（重點介紹） 同態(tài)濾波復(fù)原 ? 自然景物的圖像是由照明函數(shù)和反射函數(shù)兩個分量的乘積所組成。 ? 非線性復(fù)原方法 – 所采用的準(zhǔn)則函數(shù)都不能進行對角化，因而線性代數(shù)的方法在這里是不適用的。 例 ? 【 例 】 原始圖像如圖 （ a），使用函數(shù) DECONVWNR對圖 （ b）所示的無噪聲模糊圖像進行復(fù)原重建，觀察所得結(jié)果，并將不同 PSF產(chǎn)生的復(fù)原效果進行比較。 – 盡管 γ≠0但無噪聲影響， Sn(u, v)=0，復(fù)原系統(tǒng)亦為理想的逆濾波器，可以看成是維納濾波器的一種特殊情況。 數(shù)字圖像處理的應(yīng)用與發(fā)展趨勢 ? Rf = E{f f T} （ ） ? Rn = E{nnT} （ ） ? 定義 QTQ=R1f Rn，代入式 ()，得 gHRRHHf TnfT 11 )(? ???? ? （ ） 假設(shè) M=N， Sf和 Sn分別為圖像和噪聲的功率譜，則 ),()],(/),([|),(||),(|),(1),()],(/),([|),(|),(),(?222vuGvuSvuSvuHvuHvuHvuGvuSvuSvuHvuHvuFfnfn???????????????????????? （ ） 分 3種情況對式 ()作分析： ? （ 1）如果 γ=1，系統(tǒng)函數(shù) Hw(u,v)是維納濾波器的傳遞函數(shù)。 ? 將 f 和 n 近似地看成是平穩(wěn)隨機過程。 ? Q的形式不同，可得到不同類型的
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1