数字图像处理实验报告——图像复原实验

合集下载

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。

图像复原实验报告 2

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’);
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]);

数字图像处理图像复原实验报告

数字图像处理图像复原实验报告图像复原信息132李佳奇11一、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;l=imread('d:/'); I=im2double(l); l=imnoise(l,'gaussian',;% 添加高斯噪声PSF=fspecial('average',3);J=imfilter(l,PSF); K=exp(imfilter(log(l),PSF));figure; subplot(131);imshow(l);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l=imread('d:/');H=fspecial('motio n',50,45); J=imfilter(I,H,'circular','c on v'); subplot(221);imshow(J);title('运动模糊后的(角度为45)');J1=i mno ise(J,'gaussia n',0,; subplot(222);imshow(J1);title('加噪模糊的');%figure;J2=deco nvwn r(J1,H);subplot(223)imshow(J2);title('模糊噪声图像的维纳滤波复原');no ise=i mno ise(zeros(size(l)),'gaussia n',0,;NSR=sum( noise(:).A2)/sum(im2double(l(:)).A2);J3=deco nvwn r(J1,H,NSR);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。

数字图像处理_图像复原

图像复原1、实验目的1、熟练掌握图像的几何操作原理，图像几何变换的程序设计技术，可以按要求完成对任意图像几何变换。

2、掌握图像复原的原理及常用图像复原方法。

2、实验原理图像恢复指将退化的图像尽量恢复到原来的状态。

1、几何校正图像与原景物图像相比，会产生比例失调，扭曲，我们把这类图像退化现象称之为几何畸变，消除几何畸变的复原过程，称几何校正。

设两幅图像坐标系统之间几何畸变关系能用解析式来描述若函数h1(x,y)和h2(x,y)已知，则可以从一个坐标系统的像素坐标算出在另一坐标系统的对应像素的坐标。

在未知情况下，通常h1(x,y)和h2(x,y)可用多项式来近似。

几何校正分平移、旋转、缩放、镜像、转置。

（1）图像旋转使用B=imrotate(A,angle,method); angle 是旋转的角度(单位是“度”)；method 是插补的方法，可以是nearest （最邻近插补）,bilinear （双线性插补）,bicubic （双立方插补）。

还可使用B= B=imrotate(A,angle,method,’crop ’); crop 表示剪切。

（2）图像剪切使用：x2=imcrop(x,map),对索引图像进行交互式剪切；I2=imcrop(I), 对灰度图像进行交互式剪切；RGB2＝imcrop(rgb)，对彩色图像进行交互式剪切；x2=imcrop(x,map ，RECT)，对索引图像进行非交互式剪切；I2=imcrop(I ，RECT), 对灰度图像进行非交互式剪切；rgb2＝imcrop(rgb ，RECT)，1(,)x h x y '=2(,)y h x y '=1100N N ij ij i j x a x y --=='=∑∑1100N N i j ij i j y b x y --=='=∑∑对彩色图像进行非交互式剪切；RECT是四元素向量[xmin ymin width height] 例如：rgb2＝imcrop(rgb，[100 100 80 10])，（3）图像缩放使用B=imresize(A,m,method) 返回为A的m倍]大小的图像；b=imresize(A,[mrows ncols],method),返回为mrows× ncols]大小的图像。

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);figureimshow(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close allx=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));figureMesh(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。

close allx=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。

数字图像处理实验三：图像的复原

南京工程学院通信工程学院实验报告课程名称数字图像处理C实验项目名称实验三图像的复原实验班级算通111 学生姓名夏婷学号 208110408 实验时间 2014年5月5日实验地点信息楼C322实验成绩评定指导教师签名年月日实验三、图像的恢复一、实验类型：验证性实验二、实验目的1. 掌握退化模型的建立方法。

2. 掌握图像恢复的基本原理。

三、实验设备：安装有MATLAB 软件的计算机四、实验原理一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。

其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。

I=imread(‘peppers.png’);I=I(60+[1:256],222+[1:256],:);figure;imshow(I);LEN=31;THETA=11;PSF=fspecial(‘motion’,LEN,THETA);Blurred=imfilter(I,PSF,’circular’,’conv’);figure;imshow(Blurred);MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。

这4 个函数都以一个PSF 和模糊图像作为主要变量。

deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。

deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。

该函数采用优化技术和泊松统计量进行多次迭代。

使用该函数，不需要提供有关模糊图像中附加噪声的信息。

deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。

调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。

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

数字图像处理实验报告4

数字图像处理与分析实验报告学院：班级：姓名：学号：实验四图像复原一、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. 使用平滑滤波器和维纳滤波器复原图象三、实验步骤1. 加性噪声退化图象（1）先用imnoise( )函数给图象加噪声，如对图象增加高斯白噪声x=imread(‘cameraman.tif’);x=imnoi se(x,’gaussian’)得到图像：（2）使用平滑滤波器对其进行滤波h=fspecial(‘average’)y=imfilter(x,h);得到图像：（3）使用维纳滤波器进行处理w=wiener2(x) %注意：维纳滤波要求为灰度图像！得到图像：2. 使用演示程序比较各种滤波器的效果：nrfiltdemo3.运动退化图像（1）使用fspecial( )和imfilter( )模拟产生运动退化图象相应的程序如下：I = imread('C:\Documents and Settings\Administrator\桌面\1.BMP');figure;imshow(I);title('Original Image');LEN = 31;THETA = 15;PSF = fspecial('motion',LEN,THETA); % create PSFBlurred = imfilter(I,PSF,'circular','conv'); % blur the imagefigure;imshow(Blurred);title('Blurred Image');得到图像：（2）使用维纳滤波器进行处理wnr1=deconvwnr(Blurred,PSF);figure;imshow(wnr1);title('Restored, True PS');四、实验总结本次实验的目的就是了解图像退化的几种原因，比如性噪声，通过对图像添加高斯噪声对图像进行退化，在图像退化以后再对图像进行恢复。

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。

数字图像处理实验八、图像复原Ⅰ

zminmed=sortSxymin(st+2);%排序后的第st+2个像素的值是中值zminmed zmedmed=sortSxymed(st.*4+1);%排序后的第st.*4+1个像素的值是中值zmedmed zmaxmed=sortSxymax(st.*8+1);%排序后的第st.*8+1个像素的值是中值zmaxmed
2.自适应中值滤波器：
输入待处理图像给出Smax的大小设定St起始大小给出Sxy区域增大 Sxy 计算Zmin、Zmax、Zmed和 A1 =Zmed- Zmin,A2= Zmed- Zmax 否否 Sxy≥Smax 是否 g(x,y)=Zmed A1>0 A2<0 是 B1 =Zxy- Zmin,B2= Zxy- Zmax 检查Zxy是否是冲击噪声检查Zmed是否是冲击噪声
if zminmin<zminmed&zminmed<zminmax if zminmin<zxy&zxy<zminmax g(n,m)=zxy; else g(n,m)=zminmed; end else if zmedmin<zmedmed&zmedmed<zmedmax if zmedmin<zxy&zxy<zmedmax g(n,m)=zxy; else g(n,m)=zmedmed; end else if zmaxmin<zmaxmed&zmaxmed<zmaxmax if zmaxmin<zxy&zxy<zmaxmax g(n,m)=zxy; else g(n,m)=zmaxmed; end else g(n,m)=zxy; end end end end end subplot(1,3,2),imshow(g,[]),title('自适应中值滤波器的处理结果') b=medfilt2(a,[7,7]); subplot(1,3,3),imshow(b,[]),title('7×7中值滤波器的处理结果')

(完整word版)数字图像处理实验 ——图像恢复

数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。

二、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；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）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。

高斯噪声的灰度值多集中在均值附近。

图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。

②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。

③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。

本文应用高斯平滑滤波进行去噪处理。

《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。

数字图像处理-实验四

三、实验步骤：
1 ．创建一个 GUI 用户界面窗口（如下图所示）用户界面窗口（下图所示所示）
2 ．编辑该 GUI 所对应的 m 文件，具体程序如下文件，
（1）原始图像部分： B=imread('peppers.tif'); subplot(2,2,1); imshow(B); title('原始图像');
图像复原实验一、实验目的及要求：
利用反向滤波和维纳滤波进行图像复原。
二、实验内容：
（1）给定一个图像及其降值图像，分别为 peppers.tif 和 peppers_degraded.tif。降值模型由下式给出，与降值图像相关的参数是： N = 256, n = 5, r0 = 36 。
H (u, v ) =
专业：是指所作实验针对的学生所学专业
for u=1:256 for v=1:256 p(u,v)=abs(h(u,v)^2)/(abs(h(u,v)^2)+17); f(u,v)=p(u,v)*g(u,v)/h(u,v); end end f=ifftshift(f); f=abs(ifft2(f)); fmax=max(max(f)); fmin=min(min(f)); step=fmax-fmin; for e=1:256 for o=1:256 f(e,o)=(f(e,o)-fmin)/step; end end subplot(2,2,4); imshow(f); title('维纳滤波的复原图像'); 实验运行结果：
1 u2 + v2 1+ r2 0
n
u, v = − N / 2,− N / 2 + 1,...,−1,0,1,..., N / 2 − 1

数字图像处理实验报告6

实验六：数字图像的复原1．实验目的1. 掌握图像退化和复原的基本原理和方法。

2. 掌握各种噪声模型及其特点。

3. 掌握仅噪声存在的滤波方法。

2．实验基本原理1. 图像退化模型图像复原的关键在于建立图像退化模型,图像的退化模型反映图像退化的原因.通常将退化原因作为线性系统退化的一个因素来对待,从而建立系统退化模型来近似描述图像函数的退化.如果系统H 是一个线性、位置不变性的过程，那么在空间域中给出的退化图像可由下式给出：2. 带阻滤波器带阻滤波器消除或衰减了傅立叶变换原点处的频段.理想带阻滤波器的表达式:1) 理想带阻滤波器（IHPF ）2) 巴特沃斯带阻滤波器（BLPF ）3) 高斯带阻滤波器（ELPF ）(,)(,)*(,)(,)g x y h x y f x y x y η=+(,)(,)(,)(,)G u v H u v F u v N u v =+00001,(,)2(,)0,(,)221,(,)2W D u v D W W H u v D D u v D W D u v D ⎧<-⎪⎪⎪=-≤≤+⎨⎪⎪>+⎪⎩22201(,)(,)1(,)n H u v D u v W D u v D =⎡⎤+⎢⎥-⎣⎦2220(,)12(,)(,)1D u v D D u v W H u v e⎡⎤--⎢⎥⎢⎥⎣⎦=-3．实验内容与要求带阻滤波消除周期噪声：1)设计理想带阻滤波器或巴特沃斯带阻滤波器或高斯带阻滤波器。

I1=imread('def.tif');f=double(I1);k=fft2(f);g=fftshift(k);[N1,N2]=size(g);W=150; %20,40,80,175n=2;d0=175;n1=round(N1/2);n2=round(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+((d*W)/(d^2-d0^2))^(2*n));y(i,j)=h*g(i,j);endendy=ifftshift(y);E1=ifft2(y);E2=uint8(real(E1));figure(2);imshow(E2); title('带阻滤波后图像');2)读出一幅图像，添加噪声，采用设计的滤波器对其进行滤波，滤波后再做反变换，观察得到的图像与原图像的区别。

数字图像处理运动模糊图像复原

运动模糊图像复原实验报告一、运动模糊图像复原【应用背景】运动模糊是一种重要的图像退化原因，在图像采集的过程中，如果采集设备与目标之间存在足够大的相对运动，将会导致获得的图像模糊，这就是所谓的运动模糊。

现在大多数交通路口都设置有电子眼，拍摄记录车辆的违章行为，但是一般情况下违规车辆的行驶速度都较高，由电子眼拍摄到的有违规行为的车辆照片或多或少都存在运动模糊，因而导致很难准确获取包括车牌在内的车辆信息，如何利用图像复原技术对退化图像进行处理，得到相对清晰的图像就显得十分重要，另外，在国防航天等领域，图像的运动退化问题也十分常见，对于图像复原技术的研究具有重要的理论价值与现实意义【模糊图像的一般退化模型】图像的模糊过程可用下面的数学表达式表示：g x,y=f x,y∗ x,y+n(x,y)f(x,y)：原输入图像n(x,y)：噪声h(x,y)：退化函数g(x,y)：模糊图像模糊过程即原始图像在被退化函数作用后再叠加上噪声的过程，其中f(x,y)*h(x,y)表示原始图像与退化函数的卷积，退化模型可表示为下图[19]：其中H 为h(x,y)的频域变换，也称作点扩散函数(PSF)或传输函数，退化过程在频域可表示为：G x,y=F x,y H x,y+N(x,y)G(u,v)、F(u,v)、H(u,v)和N(u,v)分别为g(x,y)、f(x,y)、h(x,y)和n(x,y)的傅里叶变换。

【维纳滤波方法】维纳滤波是一种线性滤波方法，以小误差准则为基础，即使恢复图像与原图像的均方误差小。

利用Matlab的维纳滤波恢复函数：deconvwnr(I,PSF)其中参数I为输入图像，PSF为点扩散函数，PSF为：PSF=fpescial(‘motion’,len,theta)其中，恢复图像的重点为确定参数len和theta参数len为模糊图像位移的像素，theta为运动的角度。

【算法原理】第一步：确定运动方向对于匀速直线运动模糊而言，其点扩散函数具有零点，这就导致模糊图像的频谱也具有零点，在相应的频率处，频谱上会出现一系列平行的暗纹。

数字图像处理实验07图像的复原处理

一、数字图像处理实验实验七图像的复原处理一、实验目的熟悉几种在实际应用中比较重要的图像复原技术，学会用MATLAB复原函数对退化图像进行复原处理。

二、实验内容1．用点扩散(PSF)函数创建运动模糊图像,修改参数改变模糊程度。

2．用维纳滤波复原函数deconvwnr 对模糊图像进行复原重建。

三、实验原理图像在形成、传输和记录的过程中，由于受多种原因的影响，图像的质量会有下降，典型表现为图像模糊、失真、有噪声等。

这一降质的过程称为图像的退化。

而图像复原试图利用退化现象的某种先验知识（即退化模型），把已经退化了的图像加以重建和复原。

其目的就是尽可能地减少或去除在获取图像过程中发生的图像质量的下降（退化），恢复被退化图像的本来面目。

本实验主要学习如何使用MATLAB函数来恢复原图像，请参考第一部分4.7节MATLAB复原处理内容。

四、实验方法及程序MATLAB图像处理工具箱包含四个图像复原函数，本实验编程实现一个相对比较简单的维纳滤波复原函数。

1．用点扩散(PSF)函数创建运动模糊图像a) 无噪声运动模糊图像b) 有噪声运动模糊图像2．维纳滤波复原函数deconvwnra) 对无噪声运动模糊图像用deconvwnr(I,PSF)进行复原b)对有噪声运动模糊图像用deconvwnr(I,PSF)、deconvwnr(I,PSF,NSR)和deconvwnr(I,PSF,NCORR,ICORR)函数进行复原。

用help查阅复原函数的具体使用方法。

五、实验结果与分析1. 分别对复原后的图像进行分析和比较。

2. 叙述图像复原和图像增强两者之间的区别。

1。

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。

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。