当前位置:首页 > 实验5 图像复原
实验5 图像复原
一、实验目的:掌握实现逆滤波复原和维纳滤波复原的方法 二、实验原理 1.逆滤波复原 设模糊图像为
g(x,y)?f(x,y)?h(x,y) (6-1) 这里f(x,y)是原始图像,h(x,y)是模糊系统的冲激响应。
对上式作Fourier变换,可得
G(u,v)?F(u,v)?H(u,v) (6-2) 因此,逆滤波的频域表达式为
?(u,v)?G(u,v)?G(u,v)?H(u,v) (6-3) FIH(u,v)式中HI(u,v)称为逆滤波器的传输函数,即
HI(u,v)?复原后的图像为
?(x,y)???1[G(u,v)?H(u,v)] (6-5) fI1?H?1(u,v) (6-4)
H(u,v)实现逆滤波复原的算法有:
(1)利用DFT和IDFT,其步骤为:① 对降质图像g(x,y)作Fourier变换,
?(u,v)作Fourier反变换,求得复原?(u,v);③ 对F求得G(u,v);② 按(3)式求F?(x,y)。 图像f(2)迭代算法
图像复原的迭代算法可描述如下:
?(x,y)???g(x,y), λ>0 (6-6) f0?(x,y)?f?(x,y)??[g(x,y)?f?(x,y)?h(x,y)] (6-7) fk?1kk若1??H?1,(H是h(x,y)的Fourier变换),当 k??时,此迭代算法相当于逆滤波算法,即
limFk(u,v)?G(u,v)k??H(u,v) (6-8)
证明:对(6-6)式作Fourier变换,得
1
?(u,v)??G(u,v) (6-9) F0令(6-7)式中的k = 0,则有
?(x,y)?f?(x,y)??[g(x,y)?f?(x,y)?h(x,y)] f100对上式作Fourier变换,并将(6-9)式代入此变换式,则
???G??[G??G?H]??G[1?(1??H)] (6-10) F1令k?1,2,?,k?1,重复上述步骤,可得
???G[1?(1??H)?(1??H)2] (6-11) F2?
???G[1?(1??H)?(1??H)2???(1??H)k]Fk1?(1??H)k?1G??G??[1?(1??H)k?1]1?(1??H)H (6-12)
若1??H?1,对上式求极限可得
limFk(u,v)?k??G HG(u,v) 证毕 H(u,v)即
limFk(u,v)?k?? 2.维纳滤波复原
维纳滤波复原的框图如下图所示:
图中hw(x,y)为维纳滤波器的冲激响应(或点扩展函数), g(x,y)为待复原的输入图像,滤波器的输出图像为
?(x,y)?g(x,y)?h(x,y) fw2?(x,y)} 复原的均方误差为:MSE?E{e(x,y)2}?E{f(x,y)?f?(x,y),使均方误差最小。故维纳维纳滤波复原的准则是:寻找一个估计f滤波是一种最优估计。
设维纳滤波器的传输函数为Hw(u,v),它是hw(x,y)的Fourier变换。其表达式可写成
2
H(u,v)1 Hw(u,v)??H(u,v)H(u,v)2?[Sn(u,v)/Sf(u,v)]2 (6-13)
式中H(u,v)是降质模型中模糊函数的Fourier变换,Sn,Sf分别为噪声和原始真实图像的功率谱密度。当Sn?0时,上式简化为逆滤波器的传输函数,与(6-4)式相一致。
在MATLAB中,维纳滤波复原的函数是deconvwnr,其调用格式是:
J=deconvwnr(I,PSF)
J=deconvwnr(I,PSF,NSR)
J=deconvwnr(I,PSF,NCORR,ICORR)
该函数的功能是对由点扩展函数PSF所模糊和加性噪声所降质的图像I进行维纳滤波复原。此算法利用了噪声的自相关函数NCORR和原始图像的自相关函数ICORR,参数SNR是噪声与信号的功率比,缺省值为零。若没有噪声,维纳滤波器简化为逆滤波器。
三、实验内容:
1.选择一幅图像,利用散焦模型或运动模糊模型对该图像进行模糊处理;利用逆滤波迭代算法对模糊图像进行复原处理,显示原始图像、模糊图像以及复原处理后的图像。
2.利用维纳滤波复原算法对模糊图像进行处理,显示原始图像、模糊图像以及复原处理后的图像。
3.对实验结果进行分析比较,写出实验报告
四、实验报告要求:写出实验目的、实验原理、实验步骤、实验结果分析、 参考文献
1、需当堂检查的内容
? 无噪声时逆滤波的结果 ? 有噪声时逆滤波的结果 ? 有噪声时维纳滤波的结果
2、实验报告内容
? 源代码及必要的注释 ? 原始图片及退化后的图片 ? 无噪声时逆滤波的结果 ? 噪声图
? 有噪声时逆滤波的结果 ? 有噪声时维纳滤波的结果 3、实验报告要求
? 写出实验目的、实验原理、实验步骤和结果分析【实验报告内容的核心】、参考文
献。
3
共分享92篇相关文档