图像复原实验报告 2
图像复原实验
数字图像处理实验报告1 - 图像复原学生姓名：学号：实验时间：地点：指导教师:一、实验目的运用理论知识，在MA TLAB环境下对图像复原技术进行实验验证，学习算法实现的科学方法，增强对算法及其效果的感性认识。
（1）对图像进行复原处理。
调用MA TLAB中的图像复原函数，编写MA TLAB程序，实现对图像的复原。
（2）C++编程，利用双线性插值将照片放大。
二、实验内容要求：以下实验采用学生本人的照片作为处理对象。
（1）利用MA TLAB做图像复原实验。
实验方法和步骤如下：选择一幅完好的照片，进行退化处理，然后对退化后的图像进行复原，并对不同参数的复原结果进行比较。
（2）用VC++编写程序，采用邻近差值和双线性插值两种方法，将图像放大到原来的1.5倍, 并存储为res0.yuv 和res1.yuv。
三、实验结果（1）①先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
再用deconvwnr函数对图像进行维纳滤波可的如下结果（程序代码详见附录1.1）：由此可见滤波效果并不是很明显，其中一个原因就是要取合适的len、theta参数是很困难的，所以导致模糊效果不是很好。
②先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
在对图像加高斯噪声，用imnoise函数。
再用deconvwnr函数对图像进行维纳滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.2）：由此可见，平滑滤波不一定总是能带来很好的效果，如果图像过于模糊，平滑滤波就会导致图像过于平滑，就会使得图像高频分量也就是边缘轮廓十分的不明显。
③先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
在对图像加高斯噪声，用imnoise函数。
再用deconvblind函数对图像进行盲滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.3）：（2）采用双线性插值法对所给图像实现长和宽分别1.5倍的放大。
实验二 图像增强及复原实验
实验二 图像增强及复原实验一、 实验条件PC 机 数字图像处理实验教学软件 大量样图二、 实验目的1、 熟练使用“数字图像处理实验教学软件系统”；2、 熟悉图像增强及复原的基本原理，了解编程实现的具体步骤；3、 观察图像中值滤波、平滑、锐化和伪彩色编码的结果，比较不同参数条件下的图像增强效果；4、 观察图像退化和复原的结果，比较不同复原方法的复原效果。
三、 实验原理1、 图像增强和复原的基本原理对降质图像的改善处理通常有两类方法：图像增强和图像复原。
图像增强不考虑图像降质的原因，只将图像中感兴趣的特征有选择地进行突出，并衰减图像的次要信息，改善后的图像不一定逼近原始图像，只是增强了图像某些方面的可读性，如突出了目标轮廓，衰减了各种噪声等。
图像增强可以用空域法和频域法分别实现，空域法主要是在空间域中对图像象素灰度值直接进行运算处理，一般包括中值滤波、模板平滑和梯度锐化等，空域法可以用下式来描述：g(x,y)＝f(x,y)*h(x,y)其中f(x,y)是处理前图像，g(x,y)表示处理后图像，h(x,y)为空间运算函数。
图像增强的频域法是在图像的频率域中对图像的变换值进行某种运算处理，然后变换回空间域，系统涉及的各种滤波器属于频域法增强，这是一种间接处理方法，可以用下面的过程模型来描述：其中：F(u,v)=ℜ[ f(x,y)]，G(u,v)= F(u,v)H(u,v)，g(x,y)=1-ℜ[ G(u,v)]，ℜ和1-ℜ分别表示频域正变换和反变换。
实验系统提供了图像增强相关内容的文字说明，用户在操作过程中可以参考。
图像复原是针对图像降质的原因，设法去补偿降质因素，使改善后的图像尽可能逼近原始图像，提高了图像质量的逼真度。
关于图像复原的详细原理可以参考相关书籍，这里不再赘述。
本系统提供了图像的噪声退化、卷积退化和运动模糊退化操作，并提供了相应的逆滤波复原、维纳复原和运动模糊复原操作。
本次实验中图像复原只作一般性了解。
图像复原实验报告 2
NSR=sum(noise(:).^2)/sum(MF(:).^2);
subplot(232);imshow(MF,[]);title(‘运动模糊’);
subplot(233);imshow(deconvwnr(MF,PSF),[]);title(‘逆滤波复原’);
实验报告
实验课程名称数字图像处理
实验项目名称图像复原
年级2010
专业光信息科学与技术
学生姓名XXX
学号XXXXX
理学院
实验时间：2013年5月2日
学院：理学院专业：光信息科学与技术班级：光信XXX
姓名
XXX
学号
XXXX
实验组
实验时间
2013.5.2
指导教师
XXXX
成绩
实验项目名称
图像复原
实验目的及要求：
subplot(131);imshow(f);title('原图像');
s=0.9;
theta=pi/6;
T=[s*cos(theta) s*sin(theta) 0
-s*sin(thetaaketform('affine',T);
g=imtransform(f,tform,'Fillvalue',0.5);
subplot(132);imshow(g);title('几何失真图像');
cpselect(g,f);
tform=cp2tform(input_points,base_points,'projective');
gp=imtransform(g,tform,'XData',[1 320],'YData',[1 256]);
图形还原小实验报告
图形还原小实验报告实验目的：通过观察和理解图形还原的方法，培养观察力和逻辑思维能力。
实验原理：图形还原是指根据已给出的部分图形，推断出完整的图形。
图形还原的难度主要在于如何理解图形推理的规律和逻辑。
实验材料：实验室提供的一组图形还原题目。
实验方法：在每个图形还原题目中，首先仔细观察每个图形的形状、颜色和位置等特征。
然后，寻找图形之间的联系和规律，并根据这些规律进行逻辑推理，以还原出完整的图形。
实验步骤：1. 选择一道图形还原题目。
2. 仔细观察每个给出的图形，把他们的形状、颜色和位置等特征都记下来。
3. 根据已给出的图形，寻找图形之间的联系和规律。
比如说，如果图形是逐渐变大或变小的，那可能意味着规律是按照一定的尺寸比例递增或递减。
4. 根据观察到的规律，进行逻辑推理，推测出缺失的图形的形状、颜色和位置。
5. 将推测出的完整图形画出来，与实验室提供的正确答案对比。
6. 如果推测错误，分析自己的推理过程并找出错误的地方。
实验结果和数据分析：在实验过程中，我首先观察了每个图形的形状、颜色和位置等特征。
然后，根据观察到的规律进行逻辑推理，并推测出缺失的图形。
在推理过程中，我发现有的题目的规律比较明显，比如图形按照旋转或反转的方式变换，或者按照一定的图案重复出现。
而有的题目的规律比较隐晦，需要更加仔细的观察和思考。
在实验中，我有时会出现推理错误的情况，主要是在观察和推理过程中没有注意到一些细微的变化或规律。
这提示我在今后的学习中需要更加细心和耐心。
实验结论：通过图形还原的小实验，我发现观察力和逻辑思维能力对于图形推理非常重要。
只有仔细观察和理解图形的特征以及图形之间的联系和规律，才能准确地推测出缺失的图形。
同时，我也认识到自己在观察和推理过程中有时会出现错误，需要更加细心和耐心来避免这种情况的发生。
因此，我会在未来的学习和生活中，注重培养观察力和逻辑思维能力，不断提高自己的图形还原能力。
图像复原研究报告
图像复原研究报告为了抑制退化而利用有关退化性质知识的预处理方法为图像复原。
多数图像复原方法是基于整幅图像上的全局性卷积法。
图像的退化可能有多种原因：光学透镜的残次、光电传感器的非线性、胶片材料的颗粒度、物体与摄像机间的相对运动、不当的焦距、遥感或天文中大气的扰动、照片的扫描等等。
图像复原的目标是从退化图像中重构出原始图像。
图像复原的一般过程为:弄清退化原因→建立退化模型→反向推演→恢复图像。
典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。
可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。
图像复原途径一般有 2 种，第一种是添加图像先验知识，如逆滤波，维纳滤波等；第二种是通过求解过程加入约束，如最小二乘法复原、最大熵复原，还有综合2 种方式，如盲滤波复原。
而根据复原域的不同，图像复原又可以分为频率域复原和空间域复原两大类。
顾名思义，基于频率域的主要针对频率滤波操作，而基于空间域的图像复原法则主要是对图像进行空间滤波。
其中典型的频率域方法有逆滤波、维纳滤波及约束最小二乘方滤波算法等，而空间域方法则有Richardson-Lucy 算法、盲去卷滤波等。
本文将介绍逆滤波、维纳滤波和半盲去卷积复原三种复原方法及其算法的实现。
1.图像复原方法及原理1.1逆滤波复原在六十年代中期，逆滤波（去卷积）开始被广泛地应用于数字图像复原。
Nathan用二维去卷积方法来处理由漫游者、探索者等外星探索发射得到的图像。
由于和噪声相比，信号的频谱随着频率升高下降较快，因此高频部分主要是噪声。
Nathan采用的是限定逆滤波传递函数最大值的方法。
在同一时期，Harris采用PSF的解析模型对望远镜图像总由于大气扰动造成的模糊进行了逆滤波处理，Mcglamery则采用由实验确定的PSF来对大气扰动图像进行逆滤波。
从此以后，逆滤波就成了模糊图像复原的一种标准技术。
数字图像处理之图像复原实验报告
实验三图像复原1. 实验目的熟悉数字图像边缘检测与形态学变换的一般方法2. 实验内容1）练习边缘检测的Matlab命令。
2）练习形态学变换的Matlab命令。
熟悉下列模块函数edgefspecialbwselectbwmorphdilateimnoisebwperim2) 在VC环境下利用例程了解和熟悉数字图像复原的方法。
熟悉例程提供的图像复原菜单下的子菜单3.实验程序1、rice.tif的边缘检测I = imread('rice.tif');BW1 = edge(I,'prewitt'); BW2 = edge(I,'sobel'); BW3 = edge(I,'canny');subplot(2,2,1),imshow(BW1) subplot(2,2,2),imshow(BW2) subplot(2,2,3), imshow(BW3) 2、加入高斯燥声的边缘检测I=imread('rice.tif');J=imnoise(I,'gaussian',0,0.02); subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J);BW1 = edge(J,'prewitt');BW2 = edge(J,'sobel');BW3 = edge(J,'canny');figure,imshow(BW1)figure,imshow(BW2)figure, imshow(BW3)3、原图高斯燥声椒盐燥声I=imread('rice.tif');J1=imnoise(I,'gaussian',0,0.02);J2=imnoise(I,'salt & pepper',0.02); subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J1);subplot(2,2,3),imshow(J2)2、加入椒盐燥声的边缘检测I=imread('rice.tif');J=imnoise(I,'salt & pepper',0.02); subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J);BW1 = edge(J,'prewitt');BW2 = edge(J,'sobel');BW3 = edge(J,'canny');figure,imshow(BW1)figure,imshow(BW2)figure, imshow(BW3)4.实验结果rice.tif的边缘检测原图高斯燥声椒盐燥声加入高斯燥声的边缘检测加入椒盐燥声的边缘检测5.实验总结通过这次实验，学习了MATLAB命令，在VC环境下利用例程了解和熟悉数字图像边缘检测与形态学变换的方法。
数字图像处理实验九、图像复原
fs(x,y):
FFt
Fs(u,v)
Gs(u,v)
Hs(u,v)=
Fs(u,v)
2.数学建模法 大气湍流的退化函数：
H (u, v) e
k ( n2 v 2 )5 / 6
匀速运动的退化函数：
T H ( u, v) sin[ ( ua vb)]e j ( ua vb ) ( ua vb)
三、退化函数引起图像退化的复原方法 1.逆滤波法： 无噪声时： F(u,v)= G(u,v) H(u,v) N(u,v) H(u,v)
有噪声时： F(u,v)= F(u,v)+ 问
题：在H(u,v)趋于0处，噪声会被急剧放大。
解决办法：增加一个低通滤波器。
1 | H (u, v) |2 ]G(u, v) 2.维纳滤波法： F (u, v) [ 2 H (u, v) | H (u, v) | k
调入原始图像 fxy
计算退化图像的频谱 Guv
K=0.01;%特殊常数，一般要用交互的方式确定 Fuvyp=(Huv.*conj(Huv)).*Guv./(Huv.*(Huv.*conj(Huv)+K)); 计算原始图像频谱 计算噪声的频谱 Nuv Rtuxy=abs(ifft2(Fuvyp)); Fuv=fft2(fxy) subplot(2,2,2),imshow(Rtuxy,[]),title('K=0.01时维纳滤波的结果') 还
生 成 退 化 图 像
原 退 Fuvyp=(Huv.*conj(Huv)).*Guv./(Huv.*(Huv.*conj(Huv)+K)); 化 Rtuxy=abs(ifft2(Fuvyp)); 计算 复原图像的频谱Fuvyp 图 生产退化图像频谱 subplot(2,2,3),imshow(Rtuxy,[]),title('K=0.005时维纳滤波的结果') Guv=Huv· Fuv 像
数字图像处理(基于Matlab)图像复原
《数字图像处理》实验报告一、实验目的（不少于200字） 本次实验进行的主要是对图像复原进行有关讨论。
在图像形成过程中，由于成像系统等各种外部因素的影响，可能导致图像的质量下降，发生所谓的“图像退化”。
与图像增强相类似，图像复原的目的是改善图像的质量，便于人眼辨识，增强表达效果。
在进行图像复原的过程中，必要的先验知识十分重要，可以非常方便的将已退化的图像恢复本来的面目，但是有些时候图像的先验知识我们并不容易获取，所以与此相对应有盲卷积等方法来帮助我们进行图像复原。
引起图像退化的因素很多，包括有光学系统、运动等造成的图像模糊，电路传递中、光学因素的影响噪声等等。
掌握了解相关的数学模型对于图像复原至关重要，许多复原的方法也是建立在比较严格的数学推导上的。
通过本次实验，主要期望达到以下目的：１、熟练掌握数字图像复原的基本概念和基本理论原理２、深入理解图像退化的影响原因和对应的处理方法，加强综合分析问题、解决实际问题的能力３、掌握各种使用的图像复原的相关技术，使经处理后的图像更加适应人眼的视觉与心理４、巩固使用 matlab 软件处理数字图像问题的能力，加强巩固编程能力通过实验，了解到图像恢复和图像增强的区别还在于图像增强不考虑图像时如何退化的，而是试图采用各种技术来增强图像的视觉效果，因此图像增强可以不顾增强后的图像是否失真，只要看着舒服就基本可以满足要求，而图像复原则对图像退化的机制和过程邓先验知识要求较为必要，很多情况下先验知识如果全面准确，甚至可以完全恢复原始图像，达到非常好的效果，据此找出相应的你处理方法，从而得到恢复的图像。
对于一幅图像，可以先进行复原处理，在进行图像增强处理，两者相互结合，图像的效果可以达到更为理想的效果。
【2013年11月16日10:53:24】二、核心代码及运行后截图（截图方法：先按下Alt再按下PrtScr，然后粘贴进文档）1.频谱噪声分析在进行图像复原之前，首先对各个图像做傅里叶变换在频谱中观察分布情况，由此判断噪声或模糊类型。
图像复原研究报告
图像复原研究报告1 引言1.1 研究背景及意义随着科技的飞速发展，数字图像在各个领域得到了广泛应用，如医学成像、卫星遥感、安全监控等。
然而，在图像的获取、传输和存储过程中，往往受到各种噪声和模糊的影响，导致图像质量下降。
图像复原技术旨在从退化的图像中恢复出原始图像，对于提高图像质量、挖掘图像潜在信息具有重要意义。
近年来，图像复原技术在计算机视觉、模式识别等领域取得了显著成果，但仍面临许多挑战，如噪声类型多样、图像退化过程复杂等。
因此，研究图像复原技术不仅有助于解决实际问题，还具有很强的理论价值。
1.2 图像复原技术发展概况图像复原技术起源于20世纪50年代，经历了从线性到非线性、从全局到局部的演变过程。
早期的研究主要集中在逆滤波、维纳滤波等经典算法。
随着计算机硬件和算法的发展，图像复原技术逐渐向多尺度和多通道方向发展。
近年来，深度学习技术在图像复原领域取得了重大突破，如基于卷积神经网络的图像去噪、超分辨率等算法。
这些方法在许多国际权威评测中取得了优异的性能，为图像复原技术的研究和应用带来了新的机遇。
1.3 研究内容与组织结构本文主要研究以下内容：1.分析图像退化与复原的基本理论，包括图像退化模型和图像复原方法分类；2.对常见图像复原算法进行详细分析，如逆滤波、维纳滤波和非局部均值滤波等；3.探讨深度学习在图像复原中的应用，包括基于卷积神经网络的图像复原和基于生成对抗网络的图像复原；4.评估图像复原算法的性能，通过实验对比分析不同算法的优缺点；5.总结本文研究成果，并对未来研究方向进行展望。
本文的组织结构如下：1.引言：介绍研究背景、意义和发展概况；2.图像退化与复原基本理论：分析图像退化模型和图像复原方法分类；3.常见图像复原算法分析：详细分析逆滤波、维纳滤波和非局部均值滤波等算法；4.深度学习在图像复原中的应用：探讨基于卷积神经网络和生成对抗网络的图像复原方法；5.图像复原算法性能评估：评估不同算法的性能，并进行实验对比分析；6.结论与展望：总结本文研究成果，并对未来研究方向进行展望。
《数字图像处理A》图像复原与重建实验
《数字图像处理A》图像复原与重建实验一、实验目的图像的降噪与复原既在日常生活中拥有广泛的应用场景，又是数字图像处理领域的经典应用。
本实验首先对特定图像进行添加噪声和模糊，然后再使用经典的算法对噪声退化图像进行复原和重建。
通过该实验，进一步理解图像降噪和复原的基本原理，巩固图像处理基本操作的同时，提升对图像降噪和复原的理解和掌握。
二、实验内容1.利用matlab实现对特定图像添加高斯噪声和运动模糊。
2.使用逆滤波对退化图像进行处理。
3.使用常数比进行维纳滤波。
4.使用自相关函数进行维纳滤波。
三、实验原理1. 图像退化模型在一般情况下图像的退化过程可建模为一个退化函数和一个噪声项，对一幅图像f(x,y)进行处理，产生退化图像g(x,y),如下所示，其中η(x,y)是噪声项，H则是源图像的退化函数。
g(x,y)=H[f(x,y)]+η(x,y)2. 图像的噪声模型图像的噪声模型分为空间域噪声模型（通过噪声的概率密度函数对噪声进行描述）和频率域噪声模型（由噪声的傅里叶性质进行描述）两种类型。
在本实验中，我们采用的是空间噪声的经典噪声模型高斯噪声，高斯噪声模型的概率分布函数如下所示,其中σ是标准差，μ是期望。
p(z)=√2πσ−(x−μ)22σ2⁄3. 图像模糊图像模糊是一种常见的主要的图像退化过程。
场景和传感器两者导致的模糊可以通过空间域和频率域低通滤波器来建模。
而另一种常见的退化模型是图像获取时传感器和场景之间的均匀线性运动生成的图像模糊。
本实验的模糊模型采用的则是运动模糊，该模糊可以通过工具箱函数fspecial进行建模。
1.带噪声退化图像的复原在图像复原中经典的方法包括两种，分别是直接逆滤波和维纳滤波。
其中，直接逆滤波的复原模型如下所示,其中G(u,v)表示退化图像的傅里叶变换，H(u,v)则表示退化函数。
除了直接逆滤波之外，更为常见的是使用维纳滤波对退化图像进行复原，复原模型如教材100页4.7节所示。
图像恢复(数字图像处理实验报告)
数字图像处理作业——图像恢复摘要数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理（分析和理解）的前提。
图像在摄取、传输、储存的过程中不可避免地引起图像质量的下降（图像退化），图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。
本文首先对测试图像进行模糊及加噪处理，然后用不同的图像恢复方法，如维纳滤波恢复、约束最小二乘滤波进行图像恢复，并比较它们的处理效果。
发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。
无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。
实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。
图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x , y ) = H [ f ( x , y )] + n ( x , y ) = f ( x , y ) *h ( x , y ) + n ( x , y ) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena 图-需能指定均值和方差；并用滤波器（自选）恢复图像；实验原理：噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。
噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。
本文中研究高斯噪声对图像的影响及其去噪过程。
①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
一个高斯随机变量z 的PDF 可表示为：P （z ）（2）其中z 代表灰度，u 是z 的均值，是z 的标准差。
数字图像处理实验报告
数字图像处理实验报告姓名：郑思义学号：201216524课程：数字图像处理题目：实验一：图像复原算法。
实验二：读入一幅彩色图像，显示各层图像。
实验三：图像的变换（小波或FT 变换）。
实验四：图像的信息隐藏。
实验一：图像复原算法一、实验内容：读入一幅彩色图片，将其转化为灰度图像。
加入退化函数后加入高斯噪声，依次利用直接全逆滤波（适用噪声较小时）、维纳滤波复原图像。
二、实验原理：1、逆滤波复原法也叫做反向滤波法，其主要过程是首先将要处理的数字图像从空间域转换到傅里叶频域中，进行反向滤波后再由频率域转回到空间域，从而得到复原的图像信号。
有噪声的情况下逆滤波的原理：G(u,v)=F(u,v)H(u,v)+N(u,v) 写成逆滤波的方式：F(u,v)=F(u,v)+ N(u,v)/H(u,v)。
实验证明：当退化图像噪声较小时采用逆滤波的方法可以获得比较好的结果。
2、采用维纳滤波是假设图像信号可以近似看成平稳随机过程的前提下，按照使f(x,y)和f(x,y)之间的均方误差达到最小的准则函数来实现图像复原的，即[]{}22),(ˆ),(min y x f y x f E e -=式中，E 代表期望值，因此维纳滤波又称最小均方误差滤波器。
维纳滤波需要假定下述条件成立：1、系统为线性空间移不变系统。
2、退化图像、原始图像噪声都是均匀随机场，噪声的均值为零，且与图像不相关。
滤波器的传递函数为：没有噪声时，维纳滤波退化为逆滤波。
有噪声时，维纳滤波利用信噪功率比恢复过程进行修正。
三、实验算法步骤：1、读入一幅彩色图片，转化为灰度图片I 。
2、对灰度图片退化，利用退化函数()()()[]6/5222/2/v u,n v m u k e H -+--=（k是与湍流有关的常数，k=0.0025）3、加入高斯噪声。
显示模糊退化且添加高斯噪声的图像I2。
4、直接对I2图像进行逆滤波复原I3。
5、对I2图像进行维纳滤波复原I4。
数字图像处理图像复原实验报告
图像复原信息132 李佳奇1304010311一、实验目的1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像的恢复和分割技术。
二、实验内容空域滤波复原close all;clear all;clc;I=imread('d:/zhien.jpg');I=im2double(I);I=imnoise(I,'gaussian',0.05);%添加高斯噪声PSF=fspecial('average',3);J=imfilter(I,PSF);K=exp(imfilter(log(I),PSF));figure;subplot(131);imshow(I);subplot(132);imshow(J);subplot(133);imshow(K);分析：空域滤波就是在待处理图像中逐点地移动掩模。
在每一点(x,y)处，滤波器在该点的响应通过事先定义的关系来计算。
对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之和给出维纳滤波I=imread('d:/zhien.jpg');H=fspecial('motion',50,45);J=imfilter(I,H,'circular','conv');subplot(221);imshow(J);title('运动模糊后的lena.bmp(角度为45)');J1=imnoise(J,'gaussian',0,0.01);subplot(222);imshow(J1);title('加噪模糊的lena.bmp');%figure;J2=deconvwnr(J1,H);subplot(223)imshow(J2);title('模糊噪声图像的维纳滤波复原');noise=imnoise(zeros(size(I)),'gaussian',0,0.01);NSR=sum(noise(:).^2)/sum(im2double(I(:)).^2);J3=deconvwnr(J1,H,NSR);subplot(224)imshow(J3);title('引入SNR的维纳滤波复原');分析：维纳滤波是一种有约束的复原恢复，它综合了退化图像和噪声统计特性两个方面进行了复原处理。
图像复原研究报告
图像复原研究报告在当今的数字时代，图像作为信息传递的重要载体，其质量的优劣直接影响着我们对信息的获取和理解。
然而，由于各种因素的影响，图像在获取、传输和存储过程中往往会出现失真、模糊、噪声等问题，这就需要图像复原技术来对其进行修复和改善。
图像复原的目的是根据退化图像的特征和相关先验知识，尽可能地恢复出原始的清晰图像。
要理解图像复原，首先需要了解图像退化的原因。
常见的图像退化因素包括光学系统的像差、成像设备与物体的相对运动、大气湍流、传感器噪声、压缩失真等。
这些因素会导致图像的清晰度下降、细节丢失、色彩偏差等问题。
为了实现图像复原，研究人员提出了多种方法和技术。
其中，基于滤波的方法是较为常见的一类。
例如，均值滤波通过计算邻域像素的平均值来平滑图像，但它在去除噪声的同时也会模糊图像的边缘。
中值滤波则通过选取邻域像素的中值来替代中心像素值，对于椒盐噪声有较好的去除效果，同时能较好地保留边缘信息。
还有一种基于逆滤波的方法。
逆滤波的基本思想是根据图像退化的数学模型，通过对退化图像进行反卷积操作来恢复原始图像。
然而，在实际应用中，由于噪声的存在以及退化函数的不确定性，逆滤波往往效果不佳，甚至可能导致图像的进一步恶化。
除了上述传统方法，近年来基于模型的图像复原技术也取得了显著进展。
例如，全变分（Total Variation，TV）模型通过最小化图像的总变分来达到去噪和保持边缘的目的。
这种方法在处理具有平滑区域和锐利边缘的图像时表现出色。
另外，深度学习在图像复原领域也展现出了强大的能力。
深度卷积神经网络（Convolutional Neural Network，CNN）能够自动学习图像的特征和模式，从而有效地恢复出清晰的图像。
例如，一些基于生成对抗网络（Generative Adversarial Network，GAN）的图像复原方法，通过生成器和判别器的对抗训练，能够生成逼真的复原图像。
在实际应用中，图像复原技术有着广泛的用途。
图像退化与复原实验报告
电子科技大学实验报告学生姓名：李雄风学号：2905301014指导老师：彭真明日期：2012年4月12日光电楼327、329学生机房二、实验项目名称：图像退化与复原三、实验原理：1.图像退化与复原图像复原是图像处理的主要内容之一，所谓图像复原就是指去除或减轻在图像获取过程中发生的图像质量的下降。
成像过程中的图像“退化”，是指由于成像系统各种因素的影响，使得图像质量降低。
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，补偿退化过程造成的失真。
图像在形成、传输和记录过程中，由于受到多方面的影响，不可避免地造成图像质量的退化（degradation）。
造成图像退化的原因很多，主要有：•射线辐射、大气湍流等造成的照片畸变；•模拟图像数字化的过程中，由于会损失部分细节，造成质量下降；•镜头聚焦不准产生的散焦模糊；•成像系统中始终存在的噪声干扰；•拍摄时，相机与景物之间的相对运动产生的运动模糊；•底片感光、图像显示时会造成记录显示失真；•成像系统的像差、非线性畸变、有限带宽等造成的图像失真；•携带遥感仪器的飞机或卫星运动的不稳定，以及地球自转等因素引起的照片几何失真。
2.维纳（Wiener）滤波掌握图像f和噪声n的准确先验知识是非常困难的，一种较为合理的假设是将它们近似的看成是平稳随机过程。
假设和表示f和n的自相关矩阵，其定义为：式中，E{•}代表数学期望。
定义，得：假设M=N，和分别为图像信号和噪声的功率谱，则：式中，，。
四、实验目的：1.了解光电图像的退化原因和熟悉退化模型；2.掌握和理解基本的噪声模型及运动模糊退化过程；3.熟悉和掌握几种经典的图像复原方法及其基本原理；4.能熟练利用Matlab工具进行图像的各种退化处理，并能编程实现退化图像的复原。
1.滤波器设计及图像滤波实验；2.基于Wiener滤波的图像复原。
六、实验器材（设备、元器件）：微型计算机、Matlab工具及相应的开发环境。
数字图像处理实验报告图像复原实验
实验报告课程名称数字图像处理导论专业班级_______________姓名_______________学号_______________电气与信息学院和谐勤奋求是创新2.对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
I=imread('moon.tif');H = fspecial('sobel');subplot(2,2,1)imshow(I);title(' Qriginal Image ');Sobel = imfilter(I,H,'replicate');subplot(2,2,2)imshow(Sobel);title(' Sobel Image ')H = fspecial('laplacian',0.4);lap = imfilter(I,H,'replicate');subplot(2,2,3)imshow(lap);title(' Laplacian Image ')H = fspecial('gaussian',[3 3],0.5);gaussian = imfilter(I,H,'replicate');subplot(2,2,4)imshow(gaussian);title(' Gaussian Image ')3.使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。
originalRGB = imread('trees.tif');subplot(3,2,1)imshow(originalRGB);title(' Qriginal Image ');h = fspecial('motion', 50, 45); %motion blurredfilteredRGB = imfilter(originalRGB, h);subplot(3,2,2)imshow(filteredRGB);title(' Motion Blurred Image ');boundaryReplicateRGB = imfilter(originalRGB, h, 'replicate');subplot(3,2,3)imshow(boundaryReplicateRGB);title(' 0-Padding');boundary0RGB = imfilter(originalRGB, h, 0);subplot(3,2,4)imshow(boundary0RGB);title('Replicate');boundarysymmetricRGB = imfilter(originalRGB, h, 'symmetric'); subplot(3,2,5)imshow(boundarysymmetricRGB);title(' Symmetric ');boundarycircularRGB = imfilter(originalRGB, h, 'circular'); subplot(3,2,6)imshow(boundarycircularRGB);title(' Circular');5.对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。
图像恢复方法实验
实验二 图像恢复方法一、实验目的1． 图像恢复方法：编程实现利用逆滤波、维纳滤波和等功率谱滤波方法对图像恢复。
2.熟悉MATLAB 环境；3.学习用MATLAB 编程或直接调用函数对数字图像实现处理。
；4.分析比较运行结果，感性认识不同算法对图像处理的不同效果二、实验内容及要求编程实现利用逆滤波、维纳滤波和等功率谱滤波方法对图像恢复。
三、原理图象恢复的滤波方法原理：<1>逆滤波 在不考虑噪声的情况下写成),(),(*),(),(y x n y x h y x f y x g +=),(),(),(v u H v u F v u G =)],(/),([),(),(/),(),(1v u H v u G y x f v u H v u G v u F -==F该恢复方法取名为逆滤波。
实际应用时：（1）无噪声情况：若在频谱平面对图象信号有决定影响的点或区域上，H(u,v)的值为零，那么G(u,v)的值也为零，故不能确定这些频率处的F(u,v)值，也就难以恢复原始图象f(x,y)。
（2）有噪声情况G(u,v)=F(u,v) H(u,v)+N(u,v)，仍采用逆滤波器P(u,v)=1/H(u,v)作恢复滤波器(a)H(u,v)=0, 没有定义。
(b)H(u ,v)=0附近， H(u ,v)较小，N(u,v)/H(u,v)会非常大。
<2>维纳滤波),(/),(),(),(),(),(ˆv u H v u N v u F v u P v u G v u F +==),(ˆv u F []{}。
求准则：),(ˆ ),(ˆ),( :min 22y x f y x f y x f E e -=维纳滤波器是平移不变的滤波器，它对整幅图象使用相同的滤波。
对于高斯噪声，维纳滤波器是最优线性估算，是对图象不连续性进行平滑与消除噪声性能之间的最佳折中方法。
<3>等功率谱滤波（1）退化模型四.实验程序及结果程序如下clear all;x=imread('D:\hehua.jpg');I=rgb2gray(x);subplot(2,3,1);imshow(I);title('原图像');[m,n]=size(I);F=fftshift(fft2(I));%退化函数k=0.00001;for u=1:mfor v=1:nH(u,v)=exp((-k)*(((u-m/2)^2+(v-n/2)^2)^(5/6)));endendG=F.*H;I0=real(ifft2(fftshift(G)));subplot(2,3,2);imshow(uint8(I0));title('模糊后');I1=imnoise(uint8(I0),'gaussian',0,0.01);%噪声subplot(2,3,3);imshow(uint8(I1));title('模糊退化含噪声'); F0=fftshift(fft2(I1));F1=F0./H;I2=real(ifft2(fftshift(F1)));subplot(2,3,4);imshow(uint8(I2),[]);title('逆滤波');K=0.1;%信噪比倒数的假设for u=1:mfor v=1:nH(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));endendF2=H1.*F0;I3=real(ifft2(fftshift(F2)));subplot(2,3,5);imshow(uint8(I3),[]);title('维纳滤波');K = 0.1;for u=1:mfor v=1:nH(u,v)=exp(-k*(((u-m/2)^2+(v-n/2)^2)^(5/6)));H0(u,v)=(abs(H(u,v)))^2;H2(u,v)=sqrt(1/((H0(u,v)^2+K)));endendF3 = H2.*F0;I4 = real(ifft2(fftshift(F3)));subplot(2,3,6);imshow(uint8(I3),[]);title('等功率谱滤波');k=0.01五．实验结果及分析不同的滤波参数、滤波算法结果不同，在实际应用中应多取几个参数，以达到最佳。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机MATLAB软件平台
实验步骤：
1.选取一幅模糊图像，或对一幅正常图像进行模糊处理，运用用Matlab图像函数编程，进行逆滤波、维纳滤波和约束最小二乘方滤波对图像进行复原。分析实验结果，说明产生差异的原因。
2.选取一幅几何失真图像，或对一幅正常图像进行几何失真处理，然后用Matlab编程，利用连接点实施图像配准复原。
实验报告
实验课程名称数字图像处理
实验项目名称图像复原
年级2010
专业光信息科学与技术
学生姓名XXX
学号XXXXX
理学院
实验时间：2013年5月2日
学院：理学院专业：光信息科学与技术班级：光信XXX
姓名
XXX
学号
XXXX
实验组
实验时间
2013.5.2
指导教师
XXXX
成绩
实验项目名称
图像复原
实验目的及要求：
noise=imnoise(zeros(size(C)),’gaussian’,0,0.001);
NSR=sum(noise(:).^2)/sum(MF(:).^2);
subplot(232);imshow(MF,[]);title(‘运动模糊’);
subplot(233);imshow(deconvwnr(MF,PSF),[]);title(‘逆滤波复原’);
subplot(234);imshow(deconvwnr(MF,PSF,NSR),[]);title(‘维纳滤波复原’);
subplot(235);imshow(deconvreg(MF,PSF,0.4,[1e-7]));title(‘约束最小二乘方滤波复原’);
(2)
f=imread('football.jpg');
');
s=0.9;
theta=pi/6;
T=[s*cos(theta) s*sin(theta) 0
-s*sin(theta) s*cos(theta) 0
0 0 1];
tform=maketform('affine',T);
g=imtransform(f,tform,'Fillvalue',0.5);
1.学习和掌握图像复原的基本方法，学习几何失真的图像进行配准复原；
2.掌握如何构造退化函数模型，运用不同的滤波器进行图像复原。
实验原理：
图像复原的任务是在给定退化图像，以及退化函数和噪声的某种了解或假设时，寻求原始图像的最优估计，使得估计图像与原图像的误差最小。
退化图像受到噪声、几何变形影响时，将采用不同的复原方法。其中有：逆滤波、维纳滤波、约束最小二乘方滤波等。
题1实验用图1题2实验用图2
数据记录及处理：
（1）
C=imread(‘H:\数值图像处理\cameraman.tif’);
subplot(231);imshow(C);title(‘原图像’);
len=30
THETA=45;
PSF=fspecial(‘motion’,len,THETA);
MF=imfilter(C,PSF,’circular’,’conv’);
subplot(132);imshow(g);title('几何失真图像');
cpselect(g,f);
tform=cp2tform(input_points,base_points,'projective');
gp=imtransform(g,tform,'XData',[1 320],'YData',[1 256]);
subplot(133);imshow(gp);title('图像配准复原');
实验结果与讨论：
指导教师意见：
签名：年月日