数字图像处理之图像复原.docx
《数字图像处理之图像复原.docx》由会员分享，可在线阅读，更多相关《数字图像处理之图像复原.docx（17页珍藏版）》请在冰豆网上搜索。
数字图像处理之图像复原
实验五、图象复原
一、实验目的
1．了解图象退化的几种原因；
2．掌握对相应退化原因的复原方法。
二、实验内容
1．使用函数fspecial（）和imfilter（）模拟产生退化图象；
2．对于不同的噪声引起图像的退化，采用不同的滤波方法复原图象。
3．学会使用维纳滤波器deconvwnr（）函数对图像进行复原的方法。
三、实验步骤
1．加性噪声退化图象
用imnoise（）函数给图象加噪声，如增加高斯白噪声。
使用平滑滤波器对其进行滤波，可达到复原图像的效果
x=imread（‘cameraman.tif’）;
x=imnoise（x,’gaussian’）
imshow（x）
h=fspecial（‘average’）
y=imfilter（x,h）;
figure
imshow（y）
2、周期噪声退化图像
对于周期噪声可以通过频域滤波来减弱或消除，实现复原图像。
实验五文件夹中有被正弦周期噪声污染退化的图像'pout_g_64.bmp'，使用理想带阻滤波器对其频域滤波，复原图像。
（1）pout_g_64.bmp图像及其傅立叶谱见下图。
（2）构造理想带阻滤波器
closeall
x=imread（'pout_g_64.bmp'）;
xm=size（x,1）;xn=size（x,2）;
M2=floor（xm/2）;N2=floor（xn/2）;
u=-M2:
1:
M2-1;v=-N2:
1:
N2-1;
[U,V]=meshgrid（u,v）;
D=sqrt（U.^2+V.^2）;
D0=64;W=4;
H=double（D<（D0-W/2）|D>（D0+W/2））;
figure
Mesh（U,V,H）;
title（'D0=64,W=4,理想带阻滤波器'）
思考：
使用上述理想带阻滤波器对’pout_g_64.bmp’图像进行频域滤波，得到复原图像，结果类似下图。
closeall
x=imread（'pout_g_64.bmp'）;
xm=size（x,1）;xn=size（x,2）;
M2=floor（xm/2）;N2=floor（xn/2）;
u=-M2:
1:
M2-1;v=-N2:
1:
N2-1;
[U,V]=meshgrid（u,v）;
D=sqrt（U.^2+V.^2）;
D0=64;W=4;
H=double（D<（D0-W/2）|D>（D0+W/2））;
F=fft2（x）;
f=fftshiFt（F）;
G=f.*H;
subplot（121）
imshow（real（G））;
title（'频域滤波'）
GG=fftshift（G）;
I=ifft2（GG）;
subplot（122）
imshow（uint8（I））
title（'复原后图像'）
3、运动模糊退化图像
给图像添加运动模糊，使用deconvwnr（）维纳滤波器进行图像复原。
closeall
I=imread（'cameraman.tif'）;
imshow（I）
title（'originalimage'）
len=31;
theta=10;
PSF=fspecial（'motion',len,theta）;%len模糊长度，theta运动角度
Iblurred=imfilter（I,PSF,'circular','conv'）;%对图像进行运动模糊
figure
imshow（Iblurred）
title（'blurredimage'）
Irestored=deconvwnr（Iblurred,PSF）;%使用维纳滤波器复原图像
figure
imshow（Irestored）
title（'retoredimage'）
思考：
修改deconvwnr（）函数的参数PSF，使len和theta分别为原来的2倍，观察结果，体会真实PSF在图像复原中的重要性。
PSF1=fspecial（'motion',2*len,theta），PSF2=fspecial（'motion',len,2*theta）
closeall
I=imread（'cameraman.tif'）;
len=31;
theta=10;
PSF=fspecial（'motion',len,theta）;%len模糊长度，theta运动角度
Iblurred=imfilter（I,PSF,'circular','conv'）;%对图像进行运动模糊
PSF1=fspecial（'motion',2*len,theta）;%len模糊长度，theta运动角度
PSF2=fspecial（'motion',len,2*theta）
Irestored=deconvwnr（Iblurred,PSF1）;%使用维纳滤波器复原图像
subplot（1,2,1）
imshow（Irestored）
title（',2*lenretoredimage'）
Irestored=deconvwnr（Iblurred,PSF2）;%使用维纳滤波器复原图像
subplot（1,2,2）
imshow（Irestored）
title（'2*thetaretoredimage
4、模拟模糊和噪声：
模拟实时图像可能出现的模糊（即由于摄像头运动或者缺乏聚集而产生的模糊）和噪声（即随机分布噪声）。
使用维纳滤波器复原图像，即使用deconvwnr（）函数复原。
（1）只使用点扩散函数PSF参数复原图像。
deconvwnr（BlurredNoisy,PSF）
%---------使用高斯模板模糊图像------------------
closeall
I=imread（'cameraman.tif'）;
figure
imshow（I）
title（'originalimage'）
PSF=fspecial（'gaussian',11,5）;
blurredI=imfilter（I,PSF）;%模糊图像
figure
imshow（blurredI）
title（'blurredimage'）
%-----------产生噪声，并加噪声到已模糊的图像----------------
%----------使用randn（）函数产生随机数据------------------
noise=0.2*randn（size（I））;%同图像大小一致
blurredInoisy=imadd（blurredI,im2uint8（noise））;%噪声添加到图像
figure
imshow（blurredInoisy）
title（'blurred&noiseimage'）
%----------------------使用维纳滤波复原图像---------------
wnrI1=deconvwnr（blurredInoisy,PSF）;%噪声被放大了
figure
imshow（wnrI1）
title（'restoredwithPSF'）
（2）使用信噪比NSR参数复原图像。
deconvwnr（BlurredNoisy,PSF,NSR）
I是输入图像，noise是randn（）函数产生的随机噪声，下面的公式用于计算信噪比：
NSR=sum（noise（:
）.^2）/sum（im2double（I（:
））.^2）;%计算信噪比
思考：
使用deconvwnr（BlurredNoisy,PSF,NSR）维纳滤波器对上述被模糊和噪声退化的图像进行复原。
结果类似下图。
closeall
I=imread（'cameraman.tif'）;
subplot（2,2,1）
imshow（I）
title（'originalimage'）
PSF=fspecial（'gaussian',11,5）;
blurredI=imfilter（I,PSF）;%模糊图像
subplot（2,2,2）
imshow（blurredI）
title（'blurredimage'）
%-----------产生噪声，并加噪声到已模糊的图像----------------
%----------使用randn（）函数产生随机数据¬------------------
noise=0.2*randn（size（I））;%同图像大小一致
blurredInoisy=imadd（blurredI,im2uint8（noise））;%噪声添加到图像
subplot（2,2,3）
imshow（blurredInoisy）
title（'blurred&noiseimage'）
%----------------------使用维纳滤波复原图像---------------
NSR=sum（noise（:
）.^2）/sum（im2double（I（:
））.^2）
wnrI1=deconvwnr（blurredInoisy,PSF,NSR）;%噪声被放大了
subplot（2,2,4）
imshow（wnrI1）
title（'restoredwithPSF&NSR'）
（3）使用自相关函数改善图像复原的效果。
deconvwnr（BlurredNoisy,PSF,NCORR,ICORR）
NCORR：
噪声的自相关函数
NP=abs（fft2（noise））.^2;%噪声的功率谱
NCORR=fftshift（real（ifft2（NP）））;%噪声的自相关函数
ICORR：
图像自相关函数
IP=abs（fft2（im2double（I）））.^2;%图像的功率谱
ICORR=fftshift（real（ifft2（IP）））;%图像的自相关函数
思考：
使用deconvwnr（BlurredNoisy,PSF,NCORR,ICORR）维纳滤波器对上述被模糊和噪声退化的图像进行复原。
结果类似下图。
closeall
I=imread（'cameraman.tif'）;
subplot（2,2,1）
imshow（I）
title（'originalimage'）
PSF=fspecial（'gaussian',11,5）;
blurredI=imfilter（I,PSF）;%模糊图像
subplot（2,2,2）
imshow（blurredI）
title（'blurredimage'）
%-----------产生噪声，并加噪声到已模糊的图像----------------
%----------使用randn（）函数产生随机数据¬------------------
noise=0.2*randn（size（I））;%同图像大小一致
blurredInoisy=imadd（blurredI,im2uint8（noise））;%噪声添加到图像
subplot（2,2,3）
imshow（blurredInoisy）
title（'blurred&noiseimage'）
%----------------------使用维纳滤波复原图像---------------
NP=abs（fft2（noise））.^2;%噪声的功率谱
NCORR=fftshift（real（ifft2（NP）））;%噪声的
升级会员 