数字图像处理(冈萨雷斯)课件6-图像复原

数字图像处理（6）任何问题？图像复原图像退化/复原过程的模型噪声模型空间域滤波复原（唯一退化是噪声）频率域滤波复原（削减周期噪声）图像复原什么是退化？成像过程中的”退化”，是指由于成像系统各种因素的影响，使得图像质量降低引起图像退化的原因成像系统的散焦成像设备与物体的相对运动成像器材的固有缺陷外部干扰等图像复原概述与图像增强相似，图像复原的目的也是改善图像质量图像增强主要是一个主观过程，而图像复原主要是一个客观过程图像增强被认为是一种对比度拉伸，提供给用户喜欢接收的图像；而图像复原技术追求恢复原始图像的最优估值图像复原技术可以使用空间域或频率域滤波器实现图像复原图像复原概述（续）图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真在图像退化确知的情况下，图像退化的逆过程是有可能进行的但实际情况经常是退化过程并不知晓，这种复原称为盲目复原由于图像模糊的同时，噪声和干扰也会同时存在，这也为复原带来了困难和不确定性图像复原图像退化/复原过程的模型f(x,y)表示一幅输入图像g(x,y)是f(x,y)产生的一幅退化图像H表示退化函数表示外加噪声给定g(x,y)，H和,怎样获得关于原始图像的近似估计？yx,yx,yxf,^图像复原如果系统H是一个线性、位置不变性的过程，退化图像可以表示为h(x,y)表示退化函数的空间描述yxyxfyxhyxg,,*,,vuNvuFvuHvuG,,,,空间域上的卷积等同于频率域上的乘积图像复原噪声模型数字图像的噪声主要来源于图像的获取和传输过程图像获取的数字化过程，如图像传感器的质量和环境条件图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰图像复原一些重要的噪声高斯噪声瑞利噪声伽马（爱尔兰）噪声指数分布噪声均匀分布噪声脉冲噪声（椒盐噪声）图像复原一些重要噪声的概率密度函数(PDF)高斯瑞利伽马指数均匀脉冲高斯噪声高斯噪声的概率密度函数(PDF)由下式给出z的值有70%落在范围内，有95%落在范围内图像复原222/21zezp,2,2瑞利噪声瑞利噪声的PDF由下式给出距离原点的位移是a函数曲线向右变形图像复原444/022/2bbaeazbzpbazazaz伽马（爱尔兰）噪声伽马噪声的PDF由下式给出图像复原2210!1ababebzazpazbbazaz指数分布噪声指数噪声的PDF由下式给出，其中,a0指数分布的PDF是当b=1时爱尔兰分布的特殊情况图像复原22110aaaezpazazaz均匀分布噪声均匀分布噪声的PDF由下式给出图像复原1220122abbaabzpbza其它脉冲噪声（椒盐噪声）脉冲噪声的PDF由下式给出如果pa或pb为零，则脉冲噪声称为单极脉冲如果pa或pb均不为零，则脉冲噪声称为双极脉冲噪声或椒盐噪声图像复原0baPPzpbzaz其它脉冲噪声（椒盐噪声）（续）脉冲噪声可以为正，也可为负标定以后，脉冲噪声总是数字化为最大值（纯黑或纯白）通常，负脉冲以黑点（胡椒点）出现，正脉冲以白点（盐点）出现图像复原几种噪声的运用高斯噪声源于电子电路噪声和由低照明度或高温带来的传感器噪声瑞利噪声对分布在图像范围内特征化噪声有用伽马分布和指数分布用于激光成像噪声均匀密度分布作为模拟随机数产生器的基础脉冲噪声用于成像中的短暂停留中，如错误的开关操作图像复原样本噪声图像和它们的直方图用于噪声模型的测试图由简单、恒定的区域组成仅仅有3个灰度级的变化样本噪声图像和它们的直方图高斯噪声瑞利噪声伽马噪声图像直方图样本噪声图像和它们的直方图指数噪声均匀噪声椒盐噪声图像直方图样本噪声图像和它们的直方图结论上述噪声图像的直方图和它们的概率密度函数曲线对应相似前面5种噪声的图像并没有显著不同但它们的直方图具有明显的区别周期噪声周期噪声是在图像获取中从电力或机电干扰中产生周期噪声可以通过频率域滤波显著减少图像复原图像复原空间域滤波复原（唯一退化是噪声）当唯一退化是噪声时，噪声项未知，不能从g(x,y)或G(u,v)减去噪声可以选择空间滤波方法进行图像复原vuNvuFvuGyxyxfyxg,,,,,,图像复原图像复原的空间滤波器均值滤波器算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器顺序统计滤波器中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器自适应滤波器自适应局部噪声消除滤波器、自适应中值滤波器均值滤波器算术均值滤波器Sxy表示中心在(x,y)，尺寸为m×n的矩形窗口平滑了一幅图像的局部变化在模糊了结果的同时减少了噪声xyStstsgmnyxf,^,1,几何均值滤波器几何均值滤波器所达到的平滑度可以与算术均值滤波器相比但几何均值滤波器在滤波过程中，与算术均值滤波器相比，会丢失更少的图像细节——相对锐化mnStstsgyxfxy1,^,,均值滤波器谐波均值滤波器谐波均值滤波器对于“盐”噪声效果好，但不适用于“胡椒”噪声善于处理高斯噪声等xyStstsgmnyxf,^,1,均值滤波器逆谐波均值滤波器Q称为滤波器的阶数。当Q为正数时，用于消除“胡椒”噪声；当Q为负数时，用于消除“盐”噪声，但不能同时消除“椒盐”噪声当Q=0，逆谐波均值滤波器转变为算术均值滤波器当Q=-1，逆谐波均值滤波器转变为谐波均值滤波器xyxyStsQStsQtsgtsgyxf,,1^,,,均值滤波器均值滤波举例原图被均值为0，方差为400的高斯噪声污染3×3算术均值滤波器3×3几何均值滤波器，图像更清晰均值滤波举例“胡椒”噪声干扰图像“盐”噪声干扰图像3×3大小，Q=1.5的逆谐波均值滤波器3×3大小，Q=-1.5的逆谐波均值滤波器总结算术均值滤波器和几何均值滤波器适合于处理高斯或均匀等随机噪声谐波均值滤波器适合于处理脉冲噪声缺点：必须事先知道噪声是暗噪声还是亮噪声，以便于选择合适的Q符号均值滤波器中值滤波器在相同尺寸下，比起均值滤波器引起的模糊少对单极或双极脉冲噪声非常有效顺序统计滤波器tsgmedianyxfxySts,,,^最大值滤波器用于发现图像中的最亮点可以有效过滤“胡椒”噪声（因为“胡椒”噪声是非常低的值）顺序统计滤波器tsgyxfxySts,max,,^最小值滤波器用于发现图像中的最暗点可以有效过滤“盐”噪声（因为“盐”噪声是非常高的值）顺序统计滤波器tsgyxfxySts,min,,^中点滤波器结合了顺序统计和求平均对于高斯和均匀随机分布这类噪声有最好的效果顺序统计滤波器tsgtsgyxfxyxyStsSts,min,max21,,,^修正后的阿尔法均值滤波器在Sxy邻域内去掉g(s,t)最高灰度值的d/2和最低灰度值的d/2gr(s,t)代表剩余的mn-d个像素当d=0，退变为算术均值滤波器当d=(mn-1)/2，退变为中值滤波器当d取其它值时，适用于包括多种噪声的情况下，例如高斯噪声和椒盐噪声混合的情况顺序统计滤波器xyStsrtsgdmnyxf,^,1,中值滤波器举例Pa=Pb=0.1的脉冲噪声3×3的中值滤波器第二次中值滤波器处理第三次中值滤波器处理，全部噪声消除最大值和最小值滤波器举例最大值滤波器处理最小值滤波器处理“胡椒”噪声干扰图像“盐”噪声干扰图像空间域滤波器举例均值为0，方差为800的噪声干扰的图像被Pa=Pb=0.1的椒盐噪声叠加，进一步恶化算术均值滤波器х几何均值滤波器×中值滤波器d=5,规格为5×5的修正后的阿尔法均值滤波器√由于脉冲噪声的存在，算术均值和几何均值滤波器没有起到好的作用自适应滤波器行为变化基于由m×n矩形窗口Sxy定义的区域内图像的统计特性与前述滤波器相比，性能更优但也增加了算法复杂性包括:自适应、局部噪声消除滤波器自适应中值滤波器自适应滤波器自适应、局部噪声消除滤波器滤波器响应基于以下4个量：g(x,y),表示噪声图像在点（x,y）上的值,g(x,y)的噪声方差mL，在Sxy上像素点的局部均值,在Sxy上像素点的局部方差自适应滤波器22L自适应、局部噪声消除滤波器滤波器的预期性能如下：1.如果＝0，滤波器返回g(x,y)的值。因为在g(x,y)下零噪声的情况等同于f(x,y)2.如果局部方差与高相关，滤波器返回一个g(x,y)的近似值3.如果，滤波器返回区域Sxy上像素的算术均值。这样局部噪声用求平均mL来降低自适应滤波器22L222L自适应、局部噪声消除滤波器基于上述假定的自适应表达式：唯一需要知道或估计的未知量是噪声方差其它参数可以从Sxy中的像素计算出来自适应滤波器LLmyxgyxgyxf,,,22^2自适应滤波器举例均值为0，方差为1000的高斯噪声7×7的算术均值滤波器7×7的几何均值滤波器更加尖锐7×7的自适应滤波器自适应中值滤波器传统中值滤波器只能处理空间密度不大的冲激噪声（pa,pb0.2）,而自适应中值滤波器可以处理具有更大概率的冲激噪声可以在平滑非冲激噪声时保存细节，而传统中值滤波器无法做到自适应滤波器自适应中值滤波器：定义下列符号zmin=Sxy中灰度级的最小值zmax=Sxy中灰度级的最大值zmed=Sxy中灰度级的中值zxy＝在坐标（x,y）上的灰度级Smax=Sxy允许的最大尺寸自适应滤波器主要目的除去“椒盐”噪声（冲激噪声）平滑其它非冲激噪声减少物体边界细化或粗化等失真自适应中值滤波器：算法A层：找到一个非脉冲的中值A1=zmed-zminA2=zmed-zmax如果A10且A20，转到B层，否则增大窗口尺寸如果窗口尺寸≤Smax，重复A层，否则输出zxyB层：B1=zxy-zminB2=zxy-zmax如果B10且B20，输出zxy,否则输出zmed自适应中值滤波器：算法满足zminzmedzmax，转到B层，说明zmed不是脉冲满足zminzxyzmax，说明zxy不是脉冲，输出zxy说明zxy＝zmin或zxy=zmax，输出zmed自适应中值滤波器举例Pa=Pb=0.25的椒盐噪声7×7的中值滤波器Smax=7的自适应中值滤波器更锐化√图像复原图像复原的频率域滤波器带阻滤波器带通滤波器陷波滤波器最佳陷波滤波器图像复原带阻滤波器：阻止一定频率范围内的信号通过而允许其它频率范围内的信号通过，消除或衰减傅里叶变换原点处的频段理想带阻滤波器巴特沃思带阻滤波器高斯带阻滤波器图像复原理想带阻滤波器W是频带的宽度，D0是频带的中心半径2,,12,2,02,,1,0000WDvuDWDvuDWDWDvuDvuH212222,NvMuvuD图像复原n阶的巴特沃思带阻滤波器高斯带阻滤波器nDvuDWvuDvuH2202,,11,2202,,211,WvuDDvuDevuH带阻滤波器的透视图理想巴特沃思