数字图像处理8-动态模糊,噪声

噪声本体
添加了高斯噪声的运动模糊图像
Baidu Nhomakorabea
可以看出高斯噪声对图像的影响是很大的。噪声本身不具有规律性，而且频率忽 高忽低。因此这也是之后图像复原中最难处理的一环。
h=1; else h=sin(pi*(i1*a+j1*b))*exp(complex(0,-pi*(i1*a+j1*b)))/(pi *(i1*a+j1*b)); end y(i,j)=x(i,j)*h; end end g=ifft2(y); %t= sqrt(0.01) * randn(m,n); %g=g+t; imshow(g,[]); 首先我们读入预设的文件 original_DIP.tif， 同时用复制的方法生成一个输 出图像的模板。运用 fft2 函数求得该图像的频谱函数，同时也复制一个模板来 进行变换。随后测量图像大小，预设 ab 都是 0.1，这些都是常规的操作。随后 这个循环则是整个程序的运算核心，也是最容易出错的地方。 首先循环中有两个小的判断，如果循环变量 i 或 j 大于图像边长的一半，就让 它减去一个边长。 这样 i1 和 j1 就和图像进行傅里叶变换后本身的 uv 坐标相对 应。随后又进行了了一个判断，如果 a*i1+b*j1 的值为 0，对应到计算式中就 是分母的值为 0，MATLAB 无法处理这种情况，因此答案会出错。但是从数学的 角度来看，sinx 和 x 是等价无穷小，在 a*i1+b*j1 的值为 0 时原式的值就应 该为 1，这样 h（u，v）的值就得以确定了。 随后又是一些很简单的运算，做反变换，并用 imshow 函数显示，结果就如上面 四张图一样。a 的值确定的是垂直方向上的运动模糊，不难看出，a 大于 0 是图
像有向下运动的运动模糊，反之就是向上运动的运动模糊。b 也是同理。二者叠 加起来就会产生类似矢量和的效果，也就是斜 45°方向上的运动模糊。此外，a 或 b 的值越大，运动的效果就越明显，也就是图像上像素抖动的距离就越长，如 下图所示。
a=0.05 b=0
a=0.1 b=0
a=0.2 b=0
随后我们来进行高斯噪声的生成与叠加。按照作业的要求，其方差应为 0.01，而 均值为 0，打下自然就是图像大小。因此程序生成了一个噪声 t，同时叠加在了 输出 g 上，噪声的本体以及叠加的效果如下图所示：
a=0.1 b=0.1
a=0.1 b=-0.1
a=-0.1 b=0.1
a=-0.1 b=-0.1
作业中第一个任务要求利用退化函数对图像的频域进行处理， 进而在空间域上达 到运动模糊的目的。这里我们来一边分析程序，一边对其造成的效果进行解释。 程序代码如下： f=imread('original_DIP.tif'); f=im2double(f); g=f; x=fft2(f); y=x; [m,n]=size(f); a=0.1; b=0.1; for i=1:m for j=1:n if(i>m/2) i1=i-m; else i1=i; end if(j>n/2) j1=j-n; else j1=j; end if(i1*a+j1*b==0)