数字图像处理冈萨雷斯-5_精品文档优质PPT.ppt

数字图像处理冈萨雷斯-5_精品文档优质PPT.ppt

《数字图像处理冈萨雷斯-5_精品文档优质PPT.ppt》由会员分享，可在线阅读，更多相关《数字图像处理冈萨雷斯-5_精品文档优质PPT.ppt（62页珍藏版）》请在冰豆网上搜索。

图像复原可以看作图像退化的逆过程，是将图像退化的图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真的失真在图像退化确知的情况下，图像退化的逆过程是有可能进在图像退化确知的情况下，图像退化的逆过程是有可能进行的行的但实际情况经常是退化过程并不知晓，这种复原称为但实际情况经常是退化过程并不知晓，这种复原称为盲目盲目复原复原由于图像模糊的同时，噪声和干扰也会同时存在，这也为由于图像模糊的同时，噪声和干扰也会同时存在，这也为复原带来了困难和不确定性复原带来了困难和不确定性5.15.1图像退化图像退化/复原过程的模型复原过程的模型图像复原与图像增强的区别？

图像复原与图像增强的区别？

与图像增强相似，图像复原的目的也是改善图像质量与图像增强相似，图像复原的目的也是改善图像质量图像增强图像增强主要是一个主观过程，一般要利用人的的视觉系统特性，主要是一个主观过程，一般要利用人的的视觉系统特性，目的是取得较好的视觉效果，不需要考虑图像退化的真实物理过程，目的是取得较好的视觉效果，不需要考虑图像退化的真实物理过程，增强后的图像也不一定要逼近原始图像增强后的图像也不一定要逼近原始图像;

而而图像复原图像复原主要是一个客主要是一个客观过程观过程,需要针对图像的退化原因设法进行补偿，因此需要对图像需要针对图像的退化原因设法进行补偿，因此需要对图像的退化过程有一定的先验知识，利用图像退化的逆过程去恢复原始的退化过程有一定的先验知识，利用图像退化的逆过程去恢复原始图像，使复原后的图像尽可能的接近原图像。

图像，使复原后的图像尽可能的接近原图像。

对比度拉伸被认为是一种图像增强，提供给用户喜欢接收的图像；

而图像复原技术追求恢复原始图像的最优估计值而图像复原技术追求恢复原始图像的最优估计值图像复原技术可以使用空间域或频率域滤波器实现图像复原技术可以使用空间域或频率域滤波器实现图像增强图像增强图像复原图像复原技术特技术特点点不考虑图像降质的原因不考虑图像降质的原因，只，只将图像中感兴趣的特征有选择将图像中感兴趣的特征有选择地突出（增强），而衰减其不地突出（增强），而衰减其不需要的特征。

需要的特征。

改善后的图像改善后的图像不一定不一定要去逼要去逼近原图像。

近原图像。

主观过程主观过程要考虑图像降质的原因，要考虑图像降质的原因，建立建立“降质模型降质模型”。

要建立评价复原好坏的要建立评价复原好坏的客客观标准观标准。

客观过程客观过程主要目主要目的的提高图像的提高图像的可懂度可懂度提高图像的提高图像的逼真度逼真度方法方法空间域法和频率域法空间域法和频率域法。

空间域法主要是对图像的灰度空间域法主要是对图像的灰度进行处理；

频率域法主要是滤进行处理；

频率域法主要是滤波。

波。

重点介绍重点介绍噪声引起的退化噪声引起的退化的的复原方法复原方法*空间滤波复原；

空间滤波复原；

*频域削减周期噪声；

频域削减周期噪声；

5.15.1图像退化图像退化/复原过程的模型复原过程的模型图像退化图像退化/复原过程的模型复原过程的模型降质过程可看作对原图像降质过程可看作对原图像f（x,y）作线性运算作线性运算。

降质后降质后降质模型降质模型噪声噪声Hf（x,y）5.15.1图像退化图像退化/复原过程的模型复原过程的模型图像退化图像退化/复原过程的模型复原过程的模型给定给定gx,y，H（u,v）和和x,y,怎样获得关于原始图怎样获得关于原始图像的近似估计像的近似估计fx,y？

如果系统如果系统H是一个线性、移不变的过程，退化图像可以表是一个线性、移不变的过程，退化图像可以表示为示为hx,y表示退化系表示退化系统的系统函数统的系统函数gx,yhx,yfx,yx,y空间域上的卷积等同于频率域上的乘积空间域上的卷积等同于频率域上的乘积Gu,vHu,vFu,vNu,v有噪声情况下的图像复原有噪声情况下的图像复原必须知道噪声的必须知道噪声的统计特性统计特性以及噪声和图像信号的以及噪声和图像信号的相关相关情况，这是非常复杂的。

在实际应用中，往往假设情况，这是非常复杂的。

在实际应用中，往往假设噪声是噪声是白噪声白噪声，即它的频谱密度为常数，且与图像，即它的频谱密度为常数，且与图像不相关。

不相关。

不同的复原技术需要不同的有关噪声的不同的复原技术需要不同的有关噪声的先验信息先验信息，如，如维纳滤波器需要知道噪声的谱密度，而约束去卷积维纳滤波器需要知道噪声的谱密度，而约束去卷积法只需要知道噪声的协方差法只需要知道噪声的协方差.5.2噪声模型噪声模型数字图像的噪声主要来源于图像的获取和传输过程；

数字图像的噪声主要来源于图像的获取和传输过程；

图像获取的数字化过程，如图像传感器的质量和环境条件；

图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰；

图像会受到光或其它大气因素的干扰；

噪声的来源噪声的来源噪声的空域特性噪声的空域特性本章涉及的噪声均假设是：

本章涉及的噪声均假设是：

独立于空间坐标；

与图与图像本身无关；

（像本身无关；

（独立、不相关独立、不相关）噪声的频域特性噪声的频域特性白噪声：

傅里叶谱是常量；

白噪声：

图像样本用以描述各种噪声用以描述各种噪声pdf特性的测试图特性的测试图一些重要的噪声模型一些重要的噪声模型高斯噪声高斯噪声瑞利噪声瑞利噪声伽马（爱尔兰）噪声伽马（爱尔兰）噪声指数分布噪声指数分布噪声均匀分布噪声均匀分布噪声脉冲噪声（椒盐噪声）脉冲噪声（椒盐噪声）高斯噪声高斯噪声灰度值灰度值高斯噪声的概率密度函数高斯噪声的概率密度函数（PDF）（PDF）当当zz服从上式分布时，其值有服从上式分布时，其值有70%70%落在落在，有，有95%95%落落在在范围内。

范围内。

高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的传感器噪声。

传感器噪声。

瑞利噪声瑞利噪声瑞利噪声的瑞利噪声的PDFPDF由下式给出由下式给出距离原点的位移是距离原点的位移是a函数曲线向右变形函数曲线向右变形伽马（爱尔兰）噪声伽马（爱尔兰）噪声伽马（爱尔兰）噪声的伽马（爱尔兰）噪声的PDFPDF伽马噪声应用在激光成像中伽马噪声应用在激光成像中指数分布噪声指数分布噪声指数分布噪声的指数分布噪声的PDFPDF指数分布是当指数分布是当b=1b=1时爱尔兰时爱尔兰分布的特殊情况分布的特殊情况;

指数分布噪声在激光成像指数分布噪声在激光成像中有些应用中有些应用。

均匀分布噪声均匀分布噪声均匀分布噪声的均匀分布噪声的PDFPDF由下式给出由下式给出均匀分布噪声在实践中描均匀分布噪声在实践中描述较少，但均匀密度分布述较少，但均匀密度分布作为模拟随机数产生器的作为模拟随机数产生器的基础非常有用基础非常有用。

脉冲噪声（椒盐噪声）脉冲噪声（椒盐噪声）脉冲噪声（椒盐噪声）的脉冲噪声（椒盐噪声）的PDFPDF如果如果ppaa或或ppbb为零，则脉冲噪声称为为零，则脉冲噪声称为单极脉冲单极脉冲单极脉冲单极脉冲如果如果ppaa或或ppbb均不为零，则脉冲噪声称为双极脉冲噪声或均不为零，则脉冲噪声称为双极脉冲噪声或椒盐噪声椒盐噪声椒盐噪声椒盐噪声,在图像上在图像上表现为孤立的亮点或暗点表现为孤立的亮点或暗点脉冲噪声可以为正，也可为负脉冲噪声可以为正，也可为负标定以后，脉冲噪声总是数字化为最大值（纯黑或纯白）（因为噪声强度标定以后，脉冲噪声总是数字化为最大值（纯黑或纯白）（因为噪声强度一般比图像信号大）一般比图像信号大）通常，负脉冲以黑点（胡椒点）出现，正脉冲以白点（盐点）出现通常，负脉冲以黑点（胡椒点）出现，正脉冲以白点（盐点）出现脉冲噪声表现在成像中的短暂停留中，例如，错误的开关操作。

脉冲噪声表现在成像中的短暂停留中，例如，错误的开关操作。

被椒盐噪声污染了的图像及其直方图被椒盐噪声污染了的图像及其直方图几种噪声的运用几种噪声的运用高斯噪声用于描述源于高斯噪声用于描述源于电子电路噪声电子电路噪声和由低和由低照明度或高温带来的照明度或高温带来的传感器噪声传感器噪声瑞利噪声用于在图像范围内瑞利噪声用于在图像范围内特征化噪声特征化噪声现象现象伽马分布和指数分布用于描述伽马分布和指数分布用于描述激光成像噪声激光成像噪声均匀密度分布作为模拟随机数产生器的基础均匀密度分布作为模拟随机数产生器的基础脉冲噪声用于描述成像中的脉冲噪声用于描述成像中的短暂停留短暂停留（如错误（如错误的开关操作）的开关操作）例例5.1样本噪声图像和它们的直方图样本噪声图像和它们的直方图用于说明噪声模型的测试图用于说明噪声模型的测试图由简单、恒定的区域组成由简单、恒定的区域组成仅仅有仅仅有3个灰度级的变化个灰度级的变化高斯噪声高斯噪声瑞利噪声瑞利噪声伽马噪声伽马噪声图像图像直方图直方图例例5.1样本噪声图像和它们的直方图样本噪声图像和它们的直方图指数噪声指数噪声均匀噪声均匀噪声椒盐噪声椒盐噪声图像图像直方图直方图例例5.1样本噪声图像和它们的直方图样本噪声图像和它们的直方图上述噪声图像的直方图和它们的概率密度函数上述噪声图像的直方图和它们的概率密度函数曲线对应相似曲线对应相似;

前面前面55种噪声的图像并没有显著不同，椒盐噪声种噪声的图像并没有显著不同，椒盐噪声是唯一的视觉可区分的噪声模型是唯一的视觉可区分的噪声模型;

但它们的直方图具有明显的区别但它们的直方图具有明显的区别;

结论结论例例5.1样本噪声图像和它们的直方图样本噪声图像和它们的直方图5.2.3周期噪声周期噪声被不同频率的被不同频率的正弦噪声干扰正弦噪声干扰了的图像了的图像呈圆形分布呈圆形分布的亮点为噪的亮点为噪声频谱声频谱在图像获取中从在图像获取中从电力或机电干扰中电力或机电干扰中产生产生.是空间相关噪声是空间相关噪声.周期噪声可以通周期噪声可以通过频率域滤波显著过频率域滤波显著减少减少.典型的周期噪声典型的周期噪声-正弦噪声正弦噪声Sinusoidal（单一频率）（单一频率）（a）（a）正弦噪声图像正弦噪声图像（b）（b）正弦噪声幅度谱正弦噪声幅度谱Sinusoidal（多频率）（多频率）5.2.4噪声参数的估计噪声参数的估计典型的周期噪声参数是通过检测图像的傅里典型的周期噪声参数是通过检测图像的傅里叶谱来进行估计的。

叶谱来进行估计的。

周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分析也经常可以检析也经常可以检测测到。

到。

另一种方法是尽可能直接从图像中推断噪声分量的周期性