实验三-图像复原

实验三、用MATLAB实现图像的复原

学院： 专业： 班级： 学号： 姓名： 指导教师：

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，比较各种图像复原方法的复原效果。

程序代码：

clear; closeall;

I=imread('boat.png');

I=I(60+[1:256],222+[1:256],:); I=im2double(I); LEN=31; THETA=11;

PSF=fspecial('motion',LEN,THETA);

Blurred=imfilter(I,PSF,'circular','conv');

J=deconvwnr(Blurred,PSF); wnrl=deconvwnr(Blurred,PSF,0); reg1=deconvreg(Blurred,PSF,0); figure, imshow(I); figure,

subplot(1,4,1);imshow(Blurred); subplot(1,4,2);imshow(J); subplot(1,4,3);imshow(wnrl); subplot(1,4,4);imshow(reg1);

（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，比较各种图像复原方法的复原效果。 clear;

1

closeall;

I=imread('boat.png'); I=im2double(I);

PSF = fspecial('gaussian',7,10); V = 0.01;

BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V); %??éù1|?ê

NOISEPOWER = V*prod(size(I)); %?????-ê?í???μ?1|?ê IP = abs(fft2(I)).^2;

IPOW = sum(IP(:))/prod(size(I)); %??éùó?D?o?1|?ê??±è NSR = NOISEPOWER/IPOW;

E=deconvwnr(BlurredNoisy,PSF); S=deconvwnr(BlurredNoisy,PSF,NSR);

J = deconvreg(BlurredNoisy,PSF,NOISEPOWER);

figure,

subplot(1,2,1);imshow(I);

subplot(1,2,2);imshow(BlurredNoisy); figure,

subplot(1,3,1);imshow(E); subplot(1,3,2);imshow(S); subplot(1,3,3);imshow(J);

4. 实验结果及其分析

（1）本实验选择一幅512*512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，图1为原图像，图2为模糊化处理后的图片，图3为逆滤波复原后的图像，图4为维纳滤波复员后的图像，图5为约束最小二乘方滤波复原的图像。由图可以看出，在噪声的情况下，三种复原方法的效果是一样的。在噪声为零时，维纳滤波，约束最小二乘方滤波就是逆滤波。

图1-原图像

2

图2模糊化后图3-逆滤波

图3-维纳滤波图4约束最小二乘方滤波

（2对原图像进行模糊化处理并加入三种不同程度的高斯噪声，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.

a) 当加入高斯噪声的方差为0.0001时。图1为原图，图2为加噪模糊化后的图像，

图3从左至右依次是逆滤波，维纳滤波，约束最小二乘方滤波的复原结果。

图1-原图

图2

3

图3

b) 当加入高斯噪声的方差为0. 01时。图1为原图，图2为加噪模糊化后的图像，

图3从左至右依次是逆滤波，维纳滤波，约束最小二乘方滤波的复原结果。

图1-原图图2

图3

c) 当加入高斯噪声的方差为0. 04时。图1为原图，图2为加噪模糊化后的图像，

图3从左至右依次是逆滤波，维纳滤波，约束最小二乘方滤波的复原结果。

图1-原图

4

图2

图3

总结：

由以上实例可以看出：对于高噪声和中等噪声，约束最小二乘方滤波要更好一些； 对于低噪声，维纳滤波和约束最小二乘方滤波效果基本相同；当手工选择参数时，约束最小二乘方滤波可以获得更好地效果

5. 思考题

典型的图像复原方法有哪些？分别说明各种复原方法的适用范围。

答：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。 还有投影重建图像，卡尔曼滤波等。

5

本文来源：https://www.bwwdw.com/article/26sv.html