图像退化与复原的系统设计和边缘检测Word下载.docx

1、（1）图像的退化 数字图像在获取过程中，由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、成像过程的相对运动、环境随机噪声等原因，图像会产生一定程度的退化。（2）图像的复原 图像复原是利用图像退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因而图像复原可以理解为图像降质过程的反向过程。（3）估计噪声参数和噪声类型噪声的类型可以通过设备来确定，也可以从图像信息中提取，从图像中提取一个平滑的子图像，画出直方图，分辨噪声类型。通过传感器的合成像设备技术参数来估计噪声参数。（4）图像降质的数学模型图像复原处理的关键问题在于建立退化模型。输入图像

2、f（x,y）经过某个退化系统后输出的是一幅退化的图像。为了讨论方便，把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑。原始图像f（x,y）经过一个退化算子或退化系统H（x,y）的作用，再和噪声n（x,y）进行叠加，形成退化后的图像g（x,y）。图1表示退化过程的输入和输出关系，其中H（x,y）概括了退化系统的物理过程，就是要寻找的退化数学模型。图1 图像的退化模型数字图像的图像恢复问题可以看作是：根据退化图像g（x,y）和退化算子H（x,y）的形式，沿着反向过程去求解原始图像f（x,y）。图像退化的过程可以用数学表达式写成如下形式：g（x,y）=Hf（x,y）+n（x,y） （1）在这里

3、，n（x,y）是一种统计性质的信息。在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成：g（x,y）=f（x,y）*h（x,y）+n（x,y） （2）在频域中可以写成：G（u,v）=F（u,v）H（u,v）+N（u,v） （3）其中，G（u,v）、F（u,v）、N（u,v）分别是退化图像g（x,y）、原图像f（x,y）、噪声信号n（x,y）的傅立叶变换；H（u,v）是系统的点冲击响应函数h（x,y）的傅立叶变换，称为系统在频率域上的传递函数。可见，图像复原实际上就是已知g（x,y）求

4、f（x,y）的问题或已知G（u,v）求F（u,v）的问题，它们的不同之处在于一个是空域，一个是频域。（5）维纳滤波维纳滤波是最小二乘类约束复原的一种。在最小二乘类约束复原中，要设法寻找一个最有估计，使得形式为的函数最小化。求这类问题的最小化，常采用拉格朗日乘子算法。也就是说，要寻找一个，使得准则函数 （10）为最小。求解得到 （11）式中，。如果用图像f和噪声的相关矩阵Rf和Rn表示Q，就可以得到维纳滤波复原方法。具体维纳滤波复原方法的原理请参考相关图书。（6）比较维纳滤波与最小二乘方滤波的去噪效果 当图像只存在噪声复原是，需要用不同的空间滤波，不同的滤波对不同的噪声去除有不同的效果，需要比较

5、各均值滤波和统计滤波来来分析其适用场景，找到各种噪声去除的最好滤波器。不同的滤波其都是通过噪声与像素的融合来去除噪声，由于融合的方法不同，其去噪结果也不同，在图片上显示的内容也不一样，可以比较去噪后的图片，来确定不同滤波器的好坏。3、具体实验过程及结果（3）加入噪声，生成退化图像；a.加入噪声生成退化图像 I=imread（lena.jpg）; %读取Lena.jsp图像imshow（I）; %显示如图1：图1加入高斯模糊噪声生成退化或降质图像并显示，如图2：图2b.估计给定图像的噪声类型和参数实现代码：clcclearI=imread（C:tucamana.jpgm,n=size（I）;K1

6、=imnoise（I,gaussian,0.02）;subplot（2,3,1）,imshow（K1）;K2=imnoise（I,salt & peppersubplot（2,3,2）,imshow（K2）;K3=imnoise（I,specklesubplot（2,3,3）,imshow（K3）;GP=zeros（1,256）; K1=double（K1）;for i=1:254GP1（i）=0;GP2（i）=0;GP3（i）=0;for u=1:mfor v=1:nif K1（u,v）=i;GP1（i）=GP1（i）+1;endif K2（u,v）=i;GP2（i）=GP2（i）+1;if

7、 K3（u,v）=i;GP3（i）=GP3（i）+1;GP1（i）=GP1（i）/（m*n）;GP2（i）=GP2（i）/（m*n）;GP3（i）=GP3（i）/（m*n）;subplot（2,3,4）;bar（GP1）title（高斯）subplot（2,3,5）bar（GP2）;椒盐subplot（2,3,6）bar（GP3）;均匀figure（3）GP11（i）=0;GP22（i）=0;GP33（i）=0;15040GP11（i）=GP11（i）+1;GP22（i）=GP22（i）+1;GP33（i）=GP33（i）+1;GP11（i）=GP11（i）/（m*n）;GP22（i）=GP2

8、2（i）/（m*n）;GP33（i）=GP33（i）/（m*n）;subplot（1,3,1）;bar（GP11）高斯参数的估计subplot（1,3,2）bar（GP22）;椒盐参数的估计subplot（1,3,3）bar（GP33）;均匀参数的估计f=imread（m,n=size（f）;for j=1:F（i,j）=（-1）（i+j）*f（i,j）;F=fftshift（fft2（F）;R=real（F）;I=imag（F）;G=zeros（m,n）;G（u,v）=（R（u,v）2+I（u,v）2）（1/2）;figure（2）;G=mat2gray（G）;实验结果（图3、图4）：图3图

9、4结果分析:数字图像中，噪声主要来源于图像的获取和传输过程，不同噪声所对应的直方图不同，可以从直方图判断图像砸噪声的种类，噪声参数的估计需要选取图像的一个垂直条带，画出其直方图，可以确定其参数。c.分别采用维纳滤波和约束最小二乘方滤波实现去噪并比较turice1.tiffigure;subplot（2,2,1）;原图像F=fftshift（fft2（I）;k=0.0025; %取不同的值0.00025m for v=1: H（u,v）=exp（-k）*（u-m/2）2+（v-n/2）2）（5/6）; endG=F.*H;I0=real（ifft2（fftshift（G）;I1=imnoise（

10、uint8（I0）,0,0.001）subplot（2,2,2）;imshow（uint8（I1）;模糊退化且添加高斯噪声的图像F0=fftshift（fft2（I1）;F1=F0./H;I2=ifft2（fftshift（F1）;subplot（2,2,3）;imshow（uint8（I2）;全逆滤波复原图K=0.1; H（u,v）=exp（-k*（u-m/2）2+（v-n/2）2）（5/6）; H0（u,v）=（abs（H（u,v）2; H1（u,v）=H0（u,v）/（H（u,v）*（H0（u,v）+K）;F2=H1.*F0;I3=ifft2（fftshift（F2）;subplot（2

11、,2,4）;imshow（uint8（I3）;维纳滤波复原图p=0 -1 0;-1 4 -1;0 -1 0;n if（i=3 & j threshold） newGrayPic（i,j）=255; else newGrayPic（i,j）=0;figure,imshow（newGrayPic）;结果示例（图10）：图7 Roberts 算子图像图10 Roberts 算子图像Prewitt 算子实现代码：glenna.bmp%读取原图像grayPic=mat2gray（sourcePic）;%转换成灰度图像newGrayPic=grayPic;%为保留图像的边缘一个像素PrewittNum=0

12、;%经Prewitt算子计算得到的每个像素的值PrewittThreshold=0.5;%设定阈值for j=2:for k=2:PrewittNum=abs（grayPic（j-1,k+1）-grayPic（j+1,k+1）+grayPic（j-1,k）-grayPic（j+1,k）+grayPic（j-1,k-1）-grayPic（j+1,k-1）+abs（grayPic（j-1,k+1）+grayPic（j,k+1）+grayPic（j+1,k+1）-grayPic（j-1,k-1）-grayPic（j,k-1）-grayPic（j+1,k-1）;if（PrewittNum Prewit

13、tThreshold）newGrayPic（j,k）=255;elsenewGrayPic（j,k）=0;Prewitt算子的处理结果结果示例（图11）图8 Prewitt 算子图像图11 Prewitt 算子图像Sobel 算子实现代码：sobelNum=0;%经sobel算子计算得到的每个像素的值sobelThreshold=0.8;sobelNum=abs（grayPic（j-1,k+1）+2*grayPic（j,k+1）+grayPic（j+1,k+1）-grayPic（j-1,k-1）-2*grayPic（j,k-1）-grayPic（j+1,k-1）+abs（grayPic（j-1

14、,k-1）+2*grayPic（j-1,k）+grayPic（j-1,k+1）-grayPic（j+1,k-1）-2*grayPic（j+1,k）-grayPic（j+1,k+1）;if（sobelNum sobelThreshold）Sobel算子的处理结果结果示例（图12）：图9 Sobel算子图像图12 Sobel算子图像图像局部特征的不连续性（相邻区域的交界）称为边缘。边缘位置的微分特性是幅度和方向性（沿边缘方向灰度缓变，垂直方向突变）。边缘位置和导数（微分）间具有一定对应关系，可通过微分进行边缘检测。无噪声时，可用Roberts算子；Prewitt和Sobel算子同时具有平均，即抑制

15、噪声作用；对阶跃状边缘，Roberts得到的边缘宽度1个像素，Prewitt和Sobel算子得到的边缘宽度2个像素。由实验的效果图像可以知道，在利用edge函数进行相应的算子边缘检测的时候，各算子的差别非常微小，不过由相应的参数，三个算子分别为0.08、0.05、0.04可以知道，Sobel算子在边缘检测中最为敏感，及在同一条件下它的处理效果应该最好。在后面实验部分中，利用“手动”的模版算子进行边缘检测，我们很容易可以看到，Sobel算子的处理效果最好。三、实验总结与体会 首先，通过这次的实验课题，我掌握了MATLAB的一些最基本的图像的存取与显示方法。同时，我了解了图像退化与复原的基本原理，

16、理解了数字图像运动模糊、高斯模糊以及其他噪声引起模糊的物理本质，学会了降质图像的逆滤波复原和维纳滤波复原方法。并能够通过书本及在网上查找资料完成图像退化与复原的系统设计。在这一过程中，我学习到了很多原本不知道或者不太熟悉的命令。比如通过设置不同的参数达到所需要的要求和结果。而且还可以在不同的窗口建立不同的函数而达到相同的效果。当然，我自己掌握的知识还是非常有限的，但是老师在课堂上给我们提出来的一些方法和技巧是非常有效的，也因此帮助我顺利完成此次课程论文。最后还有个很深的感受：MATLAB是个非常强大而且有用的工具，以后有机会一定要进行深入的学习。参考文献1 （美）Bruce Ecker 著 明

17、文华译.运动模糊图像复原算法.：机械工业出版社 2007/62 陈天河.图像的退化与复原.北京电子工业出版社20053 边缘检测算法研究（第5版）/张海藩 编著：清华大学出版社，2008.24图像复原的应用（第4版）（PMBOK指南）/（美）项目管理协会编著，王勇，张斌译.：电子工业出版社 ，2009.8优秀良好中等及格不及格报告文档1.完全按照课程设计文档规范要求2.内容充实、设计合理2内容较充实、设计较合理1.基本按照课程设计文档规范要求2.内容较充实、设计较合理2.内容欠充实、设计欠合理1.没有按照课程设计文档规范要求2.内容不充实、设计不合理算法分析1算法正确。2算法分析很全面。3算法描述很清晰。2算法分析全面。3算法描述清晰。2算法分析较全面。3算法描述较清晰。1算法基本正确。2算法分析欠全面。3算法描述欠清晰。1算法不正确。2算法分析不全面。3算法描述不清晰。实现1程序设计思路很清晰。2程序代码编写很完整。3程序运行正确。1程序设计思路清晰。2程序代码编写完整。1程序设计思路较清晰。2程序代码编写较完整。1程序设计思路欠清晰。2程序代码编写欠完整