數(shù)字圖像處理實(shí)驗(yàn)三圖像的復(fù)原

1、 通信工程學(xué)院實(shí) 驗(yàn) 報(bào) 告 課 程 名 稱 數(shù)字圖像處理C 實(shí)驗(yàn)項(xiàng)目名稱實(shí)驗(yàn)三 圖像的復(fù)原 實(shí) 驗(yàn) 班 級(jí) 算通111 學(xué) 生 姓 名 夏婷 學(xué) 號(hào) 208110408 實(shí) 驗(yàn) 時(shí) 間2014年5月5日 實(shí) 驗(yàn) 地 點(diǎn) 信息樓C322 實(shí)驗(yàn)成績(jī)?cè)u(píng)定 指導(dǎo)教師簽名 年 月 日實(shí)驗(yàn)三、圖像的恢復(fù)一、實(shí)驗(yàn)類(lèi)型：驗(yàn)證性實(shí)驗(yàn) 二、實(shí)驗(yàn)?zāi)康?1. 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

2、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; 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。dec

3、onvwnr 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)

4、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deconvwnr 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=fspec

5、ial(motion,LEN,THETA); Blurred=imfilter(I,PSF,circular,conv); wnrl=deconvwnr(Blurred,PSF); imshow(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PSF PSF=fspe

6、cial(gaussian,11,5); （3）模糊化圖像并添加噪聲。 Blurred=imfilter(I,PSF,conv); V=0.02; BlurredNoisy=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); reg1 LAGRA=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

7、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)該圖像進(jìn)行模糊化處理I=imread(b.jpg);%讀入圖像I=I(60+1:256,222+1:256,:);%裁剪圖像。figure;imshow(I);%創(chuàng)新建圖像并顯示LEN=31;THETA=11;PSF=fspecial(motion,LEN,THETA);%對(duì)圖像進(jìn)行模糊Blurred=imfilter(I,PSF,circular,conv);%創(chuàng)建PSF的退化圖像figure;imshow(Blurred);%創(chuàng)建圖像并顯示模糊后的圖像（2）、

8、使用deconvwnr 函數(shù)可以利用維納濾波方法恢復(fù)圖像。I=imread(b.jpg);%讀入圖像I=I(10+1:256,222+1:256,:);%裁剪圖像LEN=31;THETA=11;PSF=fspecial(motion,LEN,THETA);%創(chuàng)建PSF的退化圖像Blurred=imfilter(I,PSF,circular,conv);%使用IPF對(duì)圖像進(jìn)行模糊建模wnrl=deconvwnr(Blurred,PSF);%維納濾波imshow(wnrl);%顯示濾波后的圖像結(jié)果如圖所示：2,、（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

9、=imread(b.jpg);%讀入圖像I=I(10+1:256,222+1:256,:);%裁剪圖像figure;imshow(I);%并顯示創(chuàng)建圖像結(jié)果如圖所示：(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);%創(chuàng)建PSF的退化圖像v=0.02;BlurredNoisy=imnoise(Blurred,gaussian,0,v);%添加噪聲figure;imshow(BlurredNoisy);%創(chuàng)建圖像并顯示添加噪聲后的圖像（4）用deconvreg函數(shù)恢復(fù)圖像，指定PSF和噪聲冪次NPNP