数字图像处理图像复原实验报告

图像复原信息132李佳奇1304010311一、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closeall;clearall;clc;I=imread('d:/zhien.jpg');I=im2double(I);I=imnoise(I,'gaussian',0.05);%添加高斯噪声PSF=fspecial('average',3);J=imfilter(I,PSF);K=exp(imfilter(log(I),PSF));figure;subplot(131);imshow(I);subplot(132);imshow(J);subplot(133);imshow(K);维纳滤波I=imread('d:/zhien.jpg');H=fspecial('motion',50,45);J=imfilter(I,H,'circular','conv');subplot(221);imshow(J);title('运动模糊后的lena.bmp(角度为45)');J1=imnoise(J,'gaussian',0,0.01);subplot(222);imshow(J1);title('加噪模糊的lena.bmp');%figure;J2=deconvwnr(J1,H);subplot(223)imshow(J2);title('模糊噪声图像的维纳滤波复原');noise=imnoise(zeros(size(I)),'gaussian',0,0.01);NSR=sum(noise(:).^2)/sum(im2double(I(:)).^2);J3=deconvwnr(J1,H,NSR);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subplot(224)imshow(J3);title('引入SNR的维纳滤波复原');约束最小二乘法滤波I=imread('d:/zhien.jpg');I1=checkerboard(8);PSF=fspecial('motion',50,45);V=0.0001;J=imfilter(I,PSF,'circular','conv');J1=imnoise(J,'gaussian',0,0.01);subplot(1,2,1);imshow(J1);title('模糊加噪图像');NoisePower=V*prod(size(I));[G,LAGRA]=deconvreg(J,PSF,NoisePower);subplot(1,2,2);imshow(G);title('约束最小二乘滤波复原');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。维纳滤波，它是使原图像及其恢复图像之间的均方差最小的复原方法。是在假象图像信号可以近似看作平稳随机过程的前提下，按照使恢复的图像与原图像f(x,y)的均方差最小原则来恢复图像。分析：约束最小二乘方图像复原是一种以平滑测度为准则的复原方法。实验中首先得到运动模糊和高斯噪退化后的图像Zn，然后对图像进行约束最小平方复原，同时获得最佳复原的参数γ，如果将参数γ的值调大，则图像会比较模糊，但对噪声的改善效果较为明显，如果将参数γ的值调小，则图像会比较清晰，但背景会出现一定的噪声。盲解卷积复原I=imread('d:/zhien.jpg');I=im2double(I);LEN=20;THETA=20;PSF=fspecial('motion',LEN,THETA);J=imfilter(I,PSF,'circular','conv');%运动模糊INITPSF=ones(size(PSF));[K,PSF2]=deconvblind(J,INITPSF,30);%图像复原figure;subplot(121);imshow(PSF,[]);subplot(122);imshow(PSF2,[]);axisauto;figure;subplot(121);imshow(J);%显示退化图像subplot(122);imshow(K);%显示复原图像分析通常图像恢复方法均在成像系统的点扩展函数PSF已知下进行，实际上它通常是未知的。在PSF未知的情况下，盲解卷积是实现图像恢复的有效方法。该算法优点是，在对失真情况毫无先验知识的情况下，仍能实现对模糊图像的恢复操作。恢复的图像存在一定的“环”，是由图像边界或灰度变化较大的部分产生的。