数字图像处理实验三：图像的复原
数字图像实验：图像退化和还原.
%1.使用函数fspecial创建退化滤波器PSF，然后调用imfilter对图像进行卷积运算，就可以 %得到一幅运动退化图像，观察并记录结果。
I=imread('C:\Documents and Settings\Administrator\桌面\16\fig0222b.jpg'); %读入图像LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA); %生成退化函数blurred=imfilter(I,PSF, 'circular', 'conv');figuresubplot(1,2,1),imshow(I);title('原图像');subplot(1,2,2),imshow(blurred);title('6.1 运动退化图像');%2.使用imnoise函数对图像添加随机噪声，观察并记录结果。
fnblurred =imnoise( blurred, 'gaussian',0,0.001); %产生随机噪声图像figure, imshow(fnblurred);title('6.2 加噪之后');%3.使用函数deconvwnr对无噪声的运动模糊图像进行复原，观察并记录结果。
同时采用不同的%LEN和THETA参数，进行实验，体会一下退化函数PSF的重要性，观察并记录结果。
LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA);wnr1=deconvwnr(blurred,PSF);wnr2=deconvwnr(blurred, fspecial('motion',2*LEN,THETA));wnr3=deconvwnr(blurred, fspecial('motion', LEN, 2*THETA));figureimshow(wnr1);title('6.3.1 无噪运动模糊图像复原1');figuresubplot(1,2,1),imshow(wnr2);title('6.3.2 无噪运动模糊图像复原2');subplot(1,2,2),imshow(wnr3);title('6.3.3 无噪运动模糊图像复原3');%4.使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原，观察并记录结果。
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。
matlab数字图像处理实验报告
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
数字图像处理-图像复原
图像复原技术是试图利用退化过程的先验知识使已退化的 图像恢复本来面目,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.目的在于消除或减轻在图像获取以及传输过程 中造成的图像品质下降,恢复图像的本来面目.因此,复原 技术就是把退化模型化,并采用相反的过程进行处理,以便 复原出原图像.
其中h( x, y )是退化函数的空间描述,*表示空间卷积. 等价的频域描述为 :
G(u, v) H (u, v) F (u, v) N (u, v)
这两个公式是本章大部分内容的基础。
以连续图像为例，推倒图像退化数学模型：
以连续图像为例，推倒图像退化数学模型：
以连续图像为例，推倒图像退化数学模型：
这种滤波器适合减少或是在实际中消除椒盐噪声的影响.
当Q值为正数时,滤波器用于消除"胡椒"噪声; 当Q值为负数时,滤波器用于消除"盐"噪声; 当Q=0时,逆谐波均值滤波器退化为算术均值滤波器; 当Q=-1时,逆谐波均值滤波器退化为谐波均值滤波器.
(a) 电路板的X射线图像 (b) 由附加高斯噪声污染 的图像 (c) 用3×3算术均值滤波器 滤波的结果 (d) 用3×3的几何均值滤波 器滤波的结果
高斯噪声来 源于电子电 路噪声和由 低照度或高 温带来的传 感器噪声。
脉冲噪声主要 在成像的短暂 停留中出现， 如开关操作。
瑞利噪声常用 在特征化噪声。
均匀噪声在实 践中很少遇到。 但可以作为模 拟随机数的产 生器。
指数噪声和 伽马噪声常 出现在激光 成像中。
测试图像
高斯
瑞利
伽马
指数
均匀
椒盐
周期噪声
算术均值和几何均 值都能衰减噪声, 但比较而言,几何均 值滤波器较难使图 像变模糊.
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。
图像的复原处理 数字图像处理南昌大学
实验报告七姓名：胡文松学号： 6103413007 班级：生物医学工程131实验日期： 2016.05.18实验成绩：实验题目：图像的复原处理一．实验目的（1）熟悉常见的噪声及其概率密度函数。
（2）熟悉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．实验原理运动模糊的产生景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。
对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。
维纳滤波图像复原用于复原由于PSF以及可能的加性噪声卷积退化的图像I，该算法利用图像和噪声的相关矩阵，从估计图像与真实图像之间的最小均方误差意义上来说是最佳的。
在没有噪声的情况下，维纳滤波器退化成理想的逆滤波器。
约束最小二乘方滤波复原用于复原由于PSF以及可能的加性噪声退化的图像，在保持图像平滑的条件下，该算法在估计图像和实际图像间的最小二乘方误差的意义上来说是最佳的。
三．实验内容及结果（1）选择图像fig606a.jpg，对其分别加入高斯噪声，均匀噪声和椒盐噪声，显示原始图像和噪声图像，及每个图片相对应的直方图。
（2）选择图像i_camera.bmp，对其使用运动模糊处理，再在模糊图像中加入高斯噪声，使用winner滤波和约束最小二乘方滤波对其进行去退化处理，比较效果，显示原始图像和复原图像。
源程序和结果：I=imread('fig606a.jpg');I=rgb2gray(I);subplot(2,4,1);imshow(I);title('灰度图像');I2=imnoise(I,'salt & pepper',0.05);I3=imnoise(I,'gaussian',0.1);%I4=I+(rand(1,length(256))-0.5)*0.2;noise=0.1*randn(size(I));I4=imadd(I,im2uint8(noise));I4=imnoise(I,'speckle',0.05);%均匀噪声subplot(2,4,2);imshow(I2);title('加入椒盐噪声：');subplot(2,4,3);imshow(I3);title('加入高斯噪声：');subplot(2,4,4);imshow(I4);title('加入均匀噪声：');subplot(2,4,5);imhist(I);title('原图直方图');subplot(2,4,6);imhist(I2);title('椒盐噪声直方图');subplot(2,4,7);imhist(I3);title('高斯噪声直方图');subplot(2,4,8);imhist(I4);title('均匀噪声直方图');四．结果分析从实验结果可知：1）对图像进行不同的加噪，图像的直方图有所改变，其中高斯噪声的加入改变最大，均匀噪声的影响最小。
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。
数字图像处理图像复原PPT课件
第
五 章
4. 中点滤波器
-
图 像 复 原 简 介
36
-
5.4.2 顺序统计滤波器
第
五 5. 修正后的阿尔法均值滤波器
章 图 像 复 原 简 介
mn-1，
37
-
5.4.3 自适应滤波器
第
五 • 自适应滤波器
章 图 像 复 原 简 介
38
5.4.3 自适应滤波器
第
五 章
1. 自适应、局部噪声消除滤波器
介 复原始图像的最优估值。
√图像复原技术可以使用空间域或频率域滤波器
实现。
7
5.2 图像退化/复原过程的模型
第 五 章
图
-
像
复
原 √ f(x,y)表示一幅输入图像
简 介
√ g(x,y)是f(x,y)产生的一幅退化图像 √ H表示退化函数
√ η(x,y )表示外加噪声
√给定g(x,y)，关于退化函数H的一些知识和外加噪声项
g(x, y)
复
原
由于冲激的傅立叶变换为常数A,可得:
简
介
H(u,v) G(u,v)
A
64
第5章图像复原
退化函数
第 五 章
图
-
像
复
原
简
介
冲激特性的退化估计
(a) 一个亮脉冲
(b) 图像化的(退化的)冲激
65
第5章图像复原
5.6.2 退化函数
(3) 模型估计法 第
五 章
建立退化模型,模型要把引起退化的环境因素考虑在内.
15
-
5.3.1一些重要噪声的概率密度函数 (PDF)
第
五 4. 指数分布噪声
图像复原数字图像处理教学PPT课件完整版
17
6.1.4 成像系统的基本定义
在信号处理领域中，常常提及线性移 不变系统（或线性空间不变系统），线性 移不变系统有许多重要的性质，合理地利 用这些性质将有利于对问题的处理。
18
系统的概念
系统
接受输入并产生相应输出 只关心输入与输出的关系，不关心系统内部构 造
系统分析
关心输入与输出的关系，也关心系统内部构造
说明： 系统的输入在x与y方向上分别移动了α和β，系统输出对于输
入的关系仍然未变，移动后图像中任一点通过该系统的响应只 取决于在该点的输入值，而与该点的位置无关。
21
传递函数
传递函数：
描述系统的输入输出关系的函数。 包含了系统的全部信息。 卷积：
传递函数：ht() ()()()()()ythtxthtxd
和对比度下降； 电子透镜图像 ---由于电子透镜的球面像差往往会降低电子显微照片的
质量； 运动图像 ---由于曝光时间长，产生模糊，或者由于光圈太大或 太小等原因。原的目标 ---对退化的图像进行处理 ---趋向于复原没有退化的理想图像
图像复原的效果 ---可能只起修饰作用 ---非常关键的作用：月球或行星图像
在图像复原模型设计时，就相当于寻求点扩展 函数。
11
5.1.2 图像退化一般模型
f (x, y)
H
g (x, y)
n (x, y)
图5-1图像退化的一般过程 退化过程被模型化为一个系统(或算子)H，原始图像f(x,y) 在经过该系统退化作用后与一个加性噪声n(x,y)相叠加而 产生出最终的退化图像g(x,y)。
对于非线性或者空间变化系统，要从上式求出f(x,y)是非常 困难的。
为了使求解具有实际意义，现在只考虑线性移不变系统 的图像退化。
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。
(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。
数字图像处理之图像复原总结
数字图像处理之图像复原技术总结图像采集、传送和转换过程中，会加入一些噪声，表现为图像模糊、失真和有噪声等。
图像复原技术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，得到质量改善的图像图像噪声模型CCD摄像机获取图像时，光照强度和传感器的温度是产生噪声的主要原因。
噪声:不期望接收到的信号(相对于期望接收到的信号而言)图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声。
加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。
一般应该考虑为高斯噪声吧1.高斯噪声（正态噪声）----源于电子电路噪声和由低照明度或高温带来的传感器噪声，CCD噪声高斯噪声可以通过空域滤波的平滑或者图像复原技术来消除P（z） = 1/(sqrt(2*pi*σ))*exp(-(z-μ)^2/(2*σ^2))2.椒盐噪声--（双极）脉冲噪声（成像中的短暂停留，例如错误的开关操作）P（z）=Pa,z=aPb,z=b0,other椒盐噪声是指图像中出现的噪声只有两种灰度值，分别是a和b，这两种灰度值出现的概率分别是Pa和Pb均值是 m = a*Pa+b*Pb方差是σ^2 = (a-m)^2*Pa +(b-m)^2*Pb通常情况下，脉冲噪声总是数字化为允许的最大值或最小值。
负脉冲为黑点，正脉冲为白点。
因此该噪声称为椒盐噪声，去除噪声的较好方法是中值滤波3.均匀分布噪声（模拟随机数产生器）均匀分布噪声的概率密度函数为：P（z） = 1/(b-a),a<=z<=b*Pb0,other均匀分布噪声的期望和方差分别为：m = (a+b)/2σ^2 = (b-a)^2/124.指数分布噪声（激光成像）指数分布噪声的概率密度函数为：P（z） = a*exp(-a*z),z>=0,0,z<0指数分布噪声的期望和方差分别为：m= 1/a,σ^2 = 1/a^25,伽马分布噪声（激光成像）伽马分布噪声的概率密度函数为：P（z） = (a^b*z^(b-1))/(b-1)!*exp(-a*z)伽马分布噪声的期望和方差分别为：m = b/a,σ^2 = b/a^26.瑞利噪声空域中的滤波复原均值滤波复原算术均值滤波器几何均值滤波器逆谐波均值滤波器可以用于消除椒噪声或者盐噪声顺序统计滤波复原中值滤波、最大值滤波和最小值滤波中值滤波可以很好的保留图像的边缘，非常适合去除椒盐噪声，效果优于均值滤波二维中值滤波 J = medianfilt2(I)最大值滤波器也能够去除椒盐噪声，但会从黑色物体的边缘去除一些黑色像素最小值滤波器会从白色物体的边缘去除一些白色像素二维排序滤波 J = ordfilt2(I,order,domain)最大值滤波 J = ordfilt2(I,9,ones(3))最小值滤波 J = ordfilt2(I,1,ones(3))自适应滤波复原wiener2() 自适应维纳滤波图像复原算法逆滤波复原在频域上使用退化后观察得到的图像频域值来除去退化函数，得到近似于原图像的估计图像，然后通过傅里叶逆变换得到原图像的估计值维纳滤波复原（对运动模糊图像进行复原）deconvwnr()进行图像的维纳滤波复原约束最小二乘法复原deconvreg()Lucy-Richardson复原deconvlucy()采用加速收敛的Lucy-Richardson算法对图像进行复原盲解卷积复原在实际应用中，经常在不知道PSF的情况下对图像进行复原。
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。
实验三图像复原
实验三图像复原一、实验目的1、掌握通用图像退化模型的数学表达式及含义。
2、掌握逆滤波、维纳滤波和最小二乘方滤波的原理和方法，区别几种复原滤波方法的优缺点。
3、掌握由于噪声造成的退化图像的复原方法，分析比较几种空域滤波方法各自适合处理什么样的噪声图像。
二、实验内容1、读入一幅清晰图像，产生由于运动造成的模糊图像，运动位移设置为20个像素，运动角度为30度，并保存备用。
2、分别利用逆滤波、维纳滤波、约束最小二乘方滤波方法对模糊图像进行滤波处理，比较几种滤波复原方法。
3、载入一幅清晰图像分别添加不同的噪声，使用中值滤波、中点滤波、最小值滤波、最大值滤波方法去噪，比较各种滤波方法对不同噪声的处理效果。
三、实验步骤1C=imread('greens.jpg');subplot(1,2,1);imshow(C);LEN=20;THETA=30;PSF=fspecial('motion',LEN,THETA);MF=imfilter(C,PSF,'circular','conv');subplot(1,2,2);imshow(MF);imwrite(MF,'greens-MF.jpg');2逆滤波[MF,map]=imread('greens-MF.jpg'); figure(1);imshow(MF);LEN=20;THETA=30;INITPSF=fspecial('motion',LEN,THETA); [J,P]=deconvblind(MF,INITPSF,30); figure(2);imshow(J);figure(3);imshow(P,[],'notruesize');维纳滤波、约束最小二乘方滤波方法F=checkerboard(8);figure(1);imshow(F,[]);PSF=fspecial('motion',7,45);MF=imfilter(F,PSF,'circular');noise=imnoise(zeros(size(F)),'gaussian',0,0.001); MFN=MF+noise;figure(2);imshow(MFN,[]);NSR=sum(noise(:).^2)/sum(MFN(:).^2);figure(3);imshow(deconvwnr(MFN,PSF),[]);figure(4);imshow(deconvwnr(MFN,PSF,NSR),[]);figure(5);A=deconvreg(MFN,PSF,0.4,[1e-7 1e7]); imshow(A);figure(6);B=deconvreg(MFN,PSF,4);imshow(B);3f=imread('cameraman.tif');figure(1);imshow(f);title('原始图像');g=imnoise(f,'salt & pepper',0.2);figure(2);imshow(g);title('椒盐噪声污染的图像');g1=double(g)/255;j1=medfilt2(g1, 'symmetric');figure(3);imshow(j1);title('中值滤波图像');j2=ordfilt2(g1,median(1:3*3),ones(3,3),'symmetric'); figure(4);imshow(j2);title('中点滤波图像');j3=ordfilt2(g1,1,ones(3,3));figure(5);imshow(j3);title('最小值滤波图像');j4=ordfilt2(g1,9,ones(3,3));figure(6);imshow(j4);title('最大值滤波图像');。
- 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)。
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。
该函数除了返回一个修复后的图像以外，还返回一个修复后的PSF。
下面以维纳滤波和约束去卷积为例说明图像
使用deconvwnr 函数可以利用维纳滤波方法恢复图像。
在图像的频率特征和附加噪声已知的情况下，Wiener 滤波比较有效。
本例演示了维纳滤波器的性能，同时也演示了PSF 的重要性。
得到准确的PSF 时，恢复的结果会比较好。
I=imread(‘peppers.png’);
I=I(10+[1:256],222+[1:256],:);
LEN=31;
THETA=11;
PSF=fspecial(‘motion’,LEN,THETA);
Blurred=imfilter(I,PSF,’circular’,’conv’);
wnrl=deconvwnr(Blurred,PSF);
imshow(wnrl);
2. 约束去卷积
采用deconvreg 函数可以对图像进行约束去卷积。
当知道附加噪声的部分信息时，使用约束去卷积实现图像恢复比较有效。
（1）将一幅图像读入MATLAB 工作空间。
本例使用裁剪来减小要恢复的图像的大小。
I=imread('flowers.tif');
I=I(10+[1:256],222+[1:256],:);
figure;imshow(I);
（2 ）创建PSF
PSF=fspe cial(‘gaussian’,11,5);
（3）模糊化图像并添加噪声。
Blurred=imfilter(I,PSF,’conv’);
V=0.02;
BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);
figure;imshow(BlurredNoisy);
（4 ）用deconvreg 函数恢复图像，指定PSF 和噪声幂次NP 。
NP=V*prod(size(I));
[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);
figure,imshow(reg1);
五、实验内容
选择一幅清晰图像，对该图像进行模糊化处理，然后分别采用逆滤波、维纳滤波和约束去卷积恢复原来图像，比较各图像恢复方法的恢复效果。
六、实验步骤与结果
将一张图片
1、（1）选择一幅清晰图像，对该图像进行模糊化处理
I=imread('b.jpg'); %读入图像
I=I(60+[1:256],222+[1:256],:); %裁剪图像。
figure;imshow(I); %创新建图像并显示
LEN=31;
THETA=11;
PSF=fspecial('motion',LEN,THETA); %对图像进行模糊
Blurred=imfilter(I,PSF,'circular','conv'); %创建PSF的退化图像figure;imshow(Blurred); %创建图像并显示模糊后的图像
（2）、使用deconvwnr 函数可以利用维纳滤波方法恢复图像。
I=imread('b.jpg'); %读入图像
I=I(10+[1:256],222+[1:256],:); %裁剪图像
LEN=31;
THETA=11;
PSF=fspecial('motion',LEN,THETA); %创建PSF的退化图像
Blurred=imfilter(I,PSF,'circular','conv'); %使用IPF对图像进行模糊建模wnrl=deconvwnr(Blurred,PSF); %维纳滤波
imshow(wnrl); %显示滤波后的图像
结果如图所示：
2,、（1）将一幅图像读入MATLAB 工作空间。
本例使用裁剪来减小要恢复的图像
的大小。
I=imread('b.jpg'); %读入图像
I=I(10+[1:256],222+[1:256],:); %裁剪图像
figure;imshow(I); %并显示创建图像
结果如图所示：
(2)创建PSF
PSF=fspecial(‘gaussian’,11,5);
(3)模糊化图像并添加噪声
Blurred=imfilter(I,PSF,'conv'); %创建PSF的退化图像
v=0.02;
BlurredNoisy=imnoise(Blurred,'gaussian',0,v); %添加噪声
figure;imshow(BlurredNoisy); %创建图像并显示添加噪声后的图像
（4）用deconvreg函数恢复图像，指定PSF和噪声幂次NP
NP=V*prod(size(I)); %噪声幂次
[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP); %对图像进行约束去卷积figure,imshow(reg1); %建立并显示图像
六、实验总结
通过这次实验，能够实际掌握退化模型的建立方法，图像恢复的基本原理。