數(shù)字圖像處理第7章

1、圖像退化機理,什么是圖像的退化 圖像退化原因 圖像退化的處理方法 什么是圖像復(fù)原 圖像增強和圖像復(fù)原的區(qū)別,返回,圖像退化機理,在景物成像過程中，由于目標(biāo)的高速運動、散射、成像系統(tǒng)畸變和噪聲干擾，致使最后形成的圖像存在種種惡化， 稱之為“ 退化”。 退化的形式有圖像模糊或圖像有干擾等。,1. 什么是圖像退化？,2. 圖像退化原因,成像系統(tǒng)鏡頭聚焦不準(zhǔn)產(chǎn)生的散焦； 相機與景物之間的相對運動； 成像系統(tǒng)存在的各種非

2、線性因素以及系統(tǒng)本身的性能 ；射線輻射大氣湍流等因素造成的照片畸變；成像系統(tǒng)的像差、畸變、有限帶寬等； 底片感光圖像顯示時會造成記錄顯示失真； 成像系統(tǒng)中存在的各種隨機噪聲 ；,圖像退化機理,無論是由光學(xué)、光電或電子方法獲得的圖像都會有不同程度的退化；退化的形式多種多樣，如傳感器噪聲、攝像機未聚焦、物體與攝像設(shè)備之間的相對移動、光學(xué)系統(tǒng)的相差、成像光源或射線的散射等； 如果我們對退化的類型、機制和過程都十分清楚，那么

3、就可以利用其反過程來復(fù)原圖像。,3.圖像退化的處理方法？,圖像退化機理,圖像復(fù)原是將圖像退化的過程加以估計,并補償退化過程造成的失真,以便獲得未經(jīng)干擾退化的原始圖像或原始圖像的最優(yōu)估值，從而改善圖像質(zhì)量的一種方法。 圖像復(fù)原是圖像退化的逆過程。,4. 什么是圖像復(fù)原？,典型的圖像復(fù)原方法是根據(jù)圖像退化的先驗知識建立一個退化模型以此模型為基礎(chǔ)，采用濾波等手段進行處理，使得復(fù)原后的圖像符合一定的準(zhǔn)則，達(dá)到改善圖像質(zhì)量的目的。,圖像

4、復(fù)原的一般過程,弄清退化原因,建立退化模型,反向推演,恢復(fù)圖像,,,,圖像退化機理,圖像增強是為了突出圖像中感興趣的特征，增強后的圖像可能與原始圖像存在一定的差異。 評判圖像增強質(zhì)量好壞的是主觀標(biāo)準(zhǔn)。 圖像復(fù)原是針對圖像退化的原因做出補償，使恢復(fù)后的圖像盡可能接近原始圖像。 評判圖像復(fù)原質(zhì)量好壞的是客觀標(biāo)準(zhǔn)。,5. 圖像增強和圖像復(fù)原的區(qū)別？,返回,連續(xù)圖像退化模型,f(x,y),,H,,+,,,g(x,y)

5、,n(x,y),連續(xù)圖像退化的模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,(1)如果線性成像系統(tǒng)的沖擊響應(yīng)是理想的，即Hδ(x-α,y-β)=δ(x-α,y-β)，那么形成的圖象g(x,y)就和原始圖象一樣，不產(chǎn)生模糊。,連續(xù)圖像退化模型,(2)若沖激響應(yīng)不是理想的，因而造成圖像模糊。通常把成像系統(tǒng)考慮成為線性位移不變系統(tǒng)，即,連續(xù)圖像退化模型,(3)退化的另一種現(xiàn)

6、象,噪聲污染,假定噪聲是加性的,那么退化模型為 傅氏變換,返回,連續(xù)圖像退化模型,離散圖像退化模型,為便于計算機實現(xiàn)，需將退化模型離散化。  (1) 先討論一維卷積對f(x)及h(x)均勻采樣,樣本數(shù)分別為A及B,即 f ( x) x=0,1,---,A-1 h (x) x=0,1,---,B-1 離散循環(huán)卷積是針對周期函數(shù)定義的，,為了不致使

7、離散循環(huán)卷積的周期性序列之間發(fā)生相互重疊現(xiàn)象（卷繞效應(yīng)），必須把函數(shù) f (x)和h (x)周期性地延拓成,離散圖像退化模型,也即,離散圖像退化模型,f e (x)、 he(x)均是長度為M的周期性離散函數(shù)，其卷積為,g e (x)也是長度為M的周期性離散函數(shù)。,若把f e (x)、 g e (x) 表示成向量形式：,循環(huán)卷積寫成矩陣形式：,H是M*M的矩陣。,利用周期性：he(x)=he(x+M),循環(huán)矩陣：方陣，每一行是前一行循環(huán)右

8、移一位的結(jié)果。,(2)推廣到二維空間 f (x,y)、h (x,y)均勻采樣，樣本數(shù)分別為A*B，C*D。周期性地延拓成M*N樣本,則循環(huán)卷積為,矩陣形式 :,H是分塊循環(huán)矩陣。,(3) n是MN 維噪聲向量，則退化模型,退化參數(shù)的確定,退化參數(shù)： h(x,y), n(x,y) 圖像恢復(fù)： 對原始圖像作出盡可能好的估計。 已知退化圖像，要作這種估計，須知道退化參數(shù)的有

9、關(guān)知識。,點擴展函數(shù)的確定,（一）運用先驗知識: 大氣湍流 光學(xué)系統(tǒng)散焦 照相機與景物相對運動 根據(jù)導(dǎo)致模糊的物理過程（先驗知識）來確定h(x,y)或H(u,v)。,點擴展函數(shù)的確定,（1）長時間曝光下大氣湍流造成的轉(zhuǎn)移函數(shù),C是與湍流性質(zhì)有關(guān)的常數(shù)。,點擴展函數(shù)的確定,（2）光學(xué)散焦,d是散焦點擴展函數(shù)的直徑,J1(?)是第一類貝塞爾函數(shù)。,點擴展函數(shù)的確定,（3）照相機與景物相對運動

10、設(shè)T為快門時間，x0(t)，y0(t)是位移的x分量和y分量,噪聲的確定,要知道n(x,y)的統(tǒng)計性質(zhì)，以及n(x,y)與f(x,y)之間的相關(guān)性質(zhì)。 一般假設(shè)圖像上的噪聲是一類白噪聲。 白噪聲：圖像平面上不同點的噪聲是不相關(guān)的，其譜密度為常數(shù)。,噪聲的確定,當(dāng)噪聲與圖像不相關(guān)時，噪聲是加性的。 在有些情況下噪聲大小確實與圖像信號有關(guān)。如以下的乘性白噪聲,返回,圖像復(fù)原的方法,代數(shù)復(fù)原方法 逆濾波復(fù)原方法

11、中值濾波復(fù)原方法,代數(shù)復(fù)原方法,圖像復(fù)原的主要目的是當(dāng)給定退化的圖像g(x,y)及系統(tǒng)h(x,y)和噪聲n(x,y)的某種了解或假設(shè)，估計出原始圖像f(x,y)。其代數(shù)表達(dá)式即為g=Hf+n，此時可用線性代數(shù)中的理論解決復(fù)原問題。,代數(shù)復(fù)原方法,復(fù)原時以消除噪聲為目的的方法，可將上式改為,在最小二乘方意義上說，希望找到一個 使,為最小。,這種方法要求知道成像系統(tǒng)的表達(dá)式H。,,,,令γ=1/λ 常數(shù)γ必須反復(fù)迭代

12、調(diào)整直到滿足約束條件 。求解式(7-33)的關(guān)鍵就是如何選用一個合適的變換矩陣Q。,,,逆濾波復(fù)原方法,特點：（1）逆濾波的應(yīng)用條件是退化圖像g(x,y)是信噪比較高的圖像。（2）如果H (u ,v)有許多零點，必然使得復(fù)原的結(jié)果受到極大影響。（3）如果H (u ,v)不為零但是有非常小的值，也即病態(tài)條件，也會使復(fù)原效果受到影響。,逆濾波復(fù)原方法,中值濾波復(fù)原方法,中值濾波在某些條件下可以做到既去除噪

13、聲又保護了圖像邊緣的較滿意的復(fù)原效果。中值濾波是一種去除噪聲的非線性處理方法。 中值濾波的基本原理是，把圖像或數(shù)字序列中的一點的值用該點的一個鄰域中各點值的中值代替。（中值是中間位置的值，而不是平均值。）其定義為：一組數(shù)x1,x2,...,x n，把n個數(shù)按值的大小順序排列如下： xi1?xi2?...?xin,y稱為序列x1,x2,...,xn的中值。 例如有一序列為{80，90，200，110，1

14、20}，這個序列的中值為110。,把一個點的特定長度或形狀的鄰域稱作窗口。在一維情形下，中值濾波器是一個含有奇數(shù)個像素的滑動窗口。窗口正中間那個象素的值用窗口內(nèi)各象素值的中值代替。 設(shè)輸入序列為｛xi，i∈I｝I為自然數(shù)集合或子集，窗口長度為n。則濾波器輸出為：,例如，有一輸入序列如下：｛xi}={0 0 0 8 0 0 2 3 2 0 2 3 2 0 3 5 3 0 3 5 3 0 0 2 3 4 5 5 5

15、5 5 0 0 0} 在此序列中前面的8是脈沖噪聲，中間一段是一種寄生振蕩，后面是希望保留的斜坡和跳變。在此來用長度為3的窗口，得到的結(jié)果為： {yi}＝{O O 0 0 0 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 0 0 2 3 4 5 5 5 5 5 0 0 0 0}顯然，經(jīng)中值濾波后，脈沖噪聲8被濾除了，振蕩被平滑掉了，斜坡和階躍部分被保存了下來。,精品課件！,精品課件！,本章重點,什么是圖