《数字图像处理》 |
您所在的位置:网站首页 › 基于matlab的图像复原与重建的区别 › 《数字图像处理》 |
声明
本文仅在CSDN发布,其他均为盗版。请支持正版!
正版链接:https://blog.csdn.net/meenr/article/details/117605883 MATLAB实现图像复原 实验3、MATLAB实现图像复原 目录 实验3、MATLAB实现图像复原1. 实验目的2. 实验内容3. MATLAB程序代码4. 结果及分析5. 典型的图像复原方法及其适用范围6. MATLAB程序代码途径一途径二 1. 实验目的(1)理解退化模型。 (2)掌握常用的图像复原方法。 2. 实验内容(1)选择一幅清晰的灰度图像,对该图像进行模糊化处理,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对模糊图像进行复原,比较各种图像复原方法的复原效果。 (2)选择一幅清晰的灰度图像,对该图像进行模糊化处理并加入不同强度的高斯噪声,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对退化图像进行复原,比较各种图像复原方法的复原效果。 3. MATLAB程序代码(1)选择一幅清晰的灰度图像,对该图像进行模糊化处理,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对模糊图像进行复原。 (2)选择一幅清晰的灰度图像,对该图像进行模糊化处理并加入高斯噪声,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对退化图像进行复原。 4. 结果及分析(1)本实验选择一幅清晰的灰度图像,对该图像进行模糊化处理,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对模糊图像进行复原。原图像及其模糊化处理后的图像如图1所示。 模糊化应用点扩散函数fspecial('motion', LEN, THETA),以某一个角度逆时针旋转一定像素。函数中参数"LEN"是旋转的像素值,"THETA"为旋转角度。 对模糊化的图像用噪信比滤波和自相关函数滤波处理后的图像如图2所示。 对模糊化的图像用逆滤波和约束最小二乘方滤波处理后的图像如图3所示。 由上述几幅图像可以看出,在没有噪声的情况下,三种复原方法的效果几乎是一样的。噪声为零时,维纳滤波,约束最小二乘方滤波可以认为就是逆滤波。 (2)选择一幅清晰的灰度图像,对该图像进行模糊化处理并加入高斯噪声,然后分别采用逆滤波、维纳滤波和约束最小二乘方滤波对退化图像进行复原。 原图像与加方差为0.001的噪声模糊图像如图4所示。 为模糊图像加方差为0.001的噪声时的四种滤波效果如下所示。其中维纳滤波的两种子方法,噪信功率比和自相关函数法滤波效果如图5所示。 加方差为0.001的噪声时逆滤波和约束最小二乘方法的滤波效果如图6所示。 原图像与加方差为0.008的噪声模糊图像如图7所示。 为模糊图像加方差为0.008的噪声时的四种滤波效果如下所示。其中维纳滤波的两种子方法,噪信功率比和自相关函数法滤波效果如图8所示。 加方差为0.008的噪声时逆滤波和约束最小二乘方法的滤波效果如图6所示。 由上文添加两种不同强度的噪声的滤波效果,比较复原结果可以看出,在有噪声时采用逆滤波进行复原效果很不好,在已知信噪比的情况的维纳滤波复原效果较次之,已知噪声和原图像的自相关函数的情况下的维纳滤波复原效果最佳。而对于高噪声,约束最小二乘方滤波要更好一些。 5. 典型的图像复原方法及其适用范围 逆滤波:适用于无噪声图像,一般对于有噪声的图像来说,直接逆滤波的性能是较差的。最小均方差滤波(维纳)滤波:该方法建立在图像和噪声都是随机变量的基础上。未退化图像和噪声的功率谱必须是已知的。在没有噪声的情况下,维纳滤波可以看作是逆滤波。约束最小二乘方滤波:仅仅用噪声的均值和方差的知识,就可以实现的最佳复原算法。但要假设噪声和图像灰度值不相关。几何均值滤波:对维纳滤波的推广。投影重建图像,卡尔曼滤波等。图像复原算法有线性和非线性两类。线性算法通过对图像进行逆滤波来实现反卷积。非线性方法通过连续的迭代过程不断提高复原质量,直到满足预先设定的终止条件,结果往往令人满意。 6. MATLAB程序代码感兴趣的读者可获取参照下方方式获取实验代码和实验报告等资料。优先推荐途径一,若遇途径一失效,请再尝试途径二。 途径一优先推荐该途径 第一步:扫描下方二维码,或打开微信搜索并关注“ 2贰进制 ”公众号; 第二步:回复“ MATLAB图像复原 ”即可获取本文相关资料。 优先推荐途径一,该途径管理可能不能秒回 扫描下方二维码,加入学习交流QQ群“ 480558240 ”,联系管理员获取包括但不限于本篇内容的更多学习资料。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |