資源描述：
《數(shù)字圖像處理實(shí)驗(yàn)三：圖像的復(fù)原.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、實(shí)驗(yàn)三、圖像的恢復(fù)一、實(shí)驗(yàn)類型驗(yàn)證性實(shí)驗(yàn)二、實(shí)驗(yàn)?zāi)康?.掌握退化模型的建立方法。2.掌握?qǐng)D像恢復(fù)的基本原理。三、實(shí)驗(yàn)設(shè)備安裝有MATLAB軟件的計(jì)算機(jī)四、實(shí)驗(yàn)原理一幅退化的圖像可以近似地用方程g=Hf+n表示，其中g(shù)為圖像，H為變形算子，又稱為點(diǎn)擴(kuò)散函數(shù)（PSF），f為原始的真實(shí)圖像，n為附加噪聲，它在圖像捕獲過(guò)程中產(chǎn)生并且使圖像質(zhì)量變壞。其中，PSF是一個(gè)很重要的因素，它的值直接影響到恢復(fù)后圖像的質(zhì)量。I=imread(‘peppers.png’);I=I(60+[1:256],222+[1:256],:);figure;imshow(I);LEN=31;
2、THETA=11;PSF=fspecial(‘motion’,LEN,THETA);Blurred=imfilter(I,PSF,’circular’,’conv’);figure;imshow(Blurred);MATLAB工具箱中有4個(gè)圖像恢復(fù)函數(shù)，如表3-1所示。這4個(gè)函數(shù)都以一個(gè)PSF和模糊圖像作為主要變量。deconvwnr函數(shù)使用維納濾波對(duì)圖像恢復(fù)，求取最小二乘解，deconvreg函數(shù)實(shí)現(xiàn)約束去卷積，求取有約束的最小二乘解，可以設(shè)置對(duì)輸出圖像的約束。deconvlucy函數(shù)實(shí)現(xiàn)了一個(gè)加速衰減的Lucy-Richardson算法。該函數(shù)采用優(yōu)化技
3、術(shù)和泊松統(tǒng)計(jì)量進(jìn)行多次迭代。使用該函數(shù)，不需要提供有關(guān)模糊圖像中附加噪聲的信息。deconvblind函數(shù)使用的是盲去卷積算法，它在不知道PSF的情況下進(jìn)行恢復(fù)。調(diào)用deconvblind函數(shù)時(shí)，將PSF的初值作為一個(gè)變量進(jìn)行傳遞。該函數(shù)除了返回一個(gè)修復(fù)后的圖像以外，還返回一個(gè)修復(fù)后的PSF。下面以維納濾波和約束去卷積為例說(shuō)明圖像恢復(fù)的實(shí)驗(yàn)原理。deconvwnr使用維納濾波對(duì)圖像恢復(fù)deconvreg對(duì)圖像進(jìn)行約束去卷積deconvlucy用Lucy-Richardson算法實(shí)現(xiàn)圖像恢復(fù)deconvblind用盲去卷積算法實(shí)現(xiàn)圖像恢復(fù)1.維納濾波使用dec
4、onvwnr函數(shù)可以利用維納濾波方法恢復(fù)圖像。在圖像的頻率特征和附加噪聲已知的情況下，Wiener濾波比較有效。本例演示了維納濾波器的性能，同時(shí)也演示了PSF的重要性。得到準(zhǔn)確的PSF時(shí)，恢復(fù)的結(jié)果會(huì)比較好。I=imread(‘peppers.png’);I=I(10+[1:256],222+[1:256],:);LEN=31;THETA=11;PSF=fspecial(‘motion’,LEN,THETA);5Blurred=imfilter(I,PSF,’circular’,’conv’);wnrl=deconvwnr(Blurred,PSF);imsh
5、ow(wnrl);2.約束去卷積采用deconvreg函數(shù)可以對(duì)圖像進(jìn)行約束去卷積。當(dāng)知道附加噪聲的部分信息時(shí)，使用約束去卷積實(shí)現(xiàn)圖像恢復(fù)比較有效。（1）將一幅圖像讀入MATLAB工作空間。本例使用裁剪來(lái)減小要恢復(fù)的圖像的大小。I=imread('flowers.tif');I=I(10+[1:256],222+[1:256],:);figure;imshow(I);（2）創(chuàng)建PSFPSF=fspecial(‘gaussian’,11,5);（3）模糊化圖像并添加噪聲。Blurred=imfilter(I,PSF,’conv’);V=0.02;Blurred
6、Noisy=imnoise(Blurred,’gaussian’,0,V);figure;imshow(BlurredNoisy);（4）用deconvreg函數(shù)恢復(fù)圖像，指定PSF和噪聲冪次NP。NP=V*prod(size(I));[reg1LAGRA]=deconvreg(BlurredNoisy,PSF,NP);figure,imshow(reg1);五、實(shí)驗(yàn)內(nèi)容選擇一幅清晰圖像，對(duì)該圖像進(jìn)行模糊化處理，然后分別采用逆濾波、維納濾波和約束去卷積恢復(fù)原來(lái)圖像，比較各圖像恢復(fù)方法的恢復(fù)效果。六、實(shí)驗(yàn)步驟與結(jié)果將一張圖片1、（1）選擇一幅清晰圖像，對(duì)該圖像
7、進(jìn)行模糊化處理I=imread('b.jpg');%將b.jpg圖像讀入matlab環(huán)境I=I(60+[1:256],222+[1:256],:);%使用裁剪來(lái)減小要恢復(fù)的圖像的大小figure;imshow(I);%控制圖像個(gè)數(shù)并顯示圖像LEN=31;%圖像像素THETA=11;%順時(shí)針?lè)较驅(qū)φ捷S度量PSF=fspecial('motion',LEN,THETA);%創(chuàng)建PSF，用fspecial對(duì)圖像模糊建模Blurred=imfilter(I,PSF,'circular','conv');%用imfilter創(chuàng)建一個(gè)已知PSF的退化圖像figure
8、;imshow(Blurred);%控制圖像個(gè)數(shù)并顯
