图像恢复的方法
文章目录
图像恢复的方法——空域
图像存在的退化是噪声时，可以使用空域滤波来恢复
1.均值滤波
算术均值
优点：降低了噪声，适合处理高斯噪声和均匀随机噪声。
缺点：模糊了结果
几何均值
优点：与算术均值滤波相比，丢失的图像细节更少，实现的平滑接近算数均值滤波；更适合处理高斯噪声和均匀随机噪声。
谐波均值
优点：善于处理高斯噪声等其他噪声，对盐粒噪声效果较好
缺点：不适用于胡椒噪声
逆谐波均值
优点：消除椒盐噪声的影响
缺点：不能同时消除胡椒噪声和盐粒噪声，必须知道噪声是胡椒噪声还是盐粒噪声
2.统计排序滤波
中值滤波
优点：见第三章
3.自适应滤波
优点：性能优于迄今为止讨论过的所有滤波器的性能
缺点：滤波器的复杂度提高了
自适应局部降低噪声滤波
均值——区域中平均灰度的度量
方差——区域对比度的度量
自适应中值滤波
优点：平滑非脉冲噪声时试图保留细节，这是传统中值滤波器做不到的
4.频率域滤波
用于消除周期噪声，需要选择性滤波器：
带阻滤波器
带通滤波器
陷波滤波器
最佳陷波滤波
图像恢复的方法——频域
利用已知的Hs进行滤波。维纳滤波、约束最小二乘方滤波都属于此类
1.逆滤波
Fs = F + N / H
优点：最简单的复原方法
缺点：即使知道退化函数H，也不能准确地复原未退化的图像，因为N未知。如果H是非常小的值，则N/H很容易支配估计值Fs
2.维纳滤波
缺点：需要知道未退化图像的功率谱Sf 和噪声的功率谱Sn
3.约束最小二乘方滤波
获得退化函数H
1.模型恢复法
前提：已经知道图像退化的类型
例如大气湍流退化模型、动态模糊退化模型
2.图像观察估计
前提：只给定一幅退化图像
步骤：
（1）取退化图像中包含目标结构和背景的一个小矩形区域，作为子图像
（2）处理子图像，以便得到尽可能不模糊的结果，例如进行锐化处理，或者重新构造一幅相同结构的子图像
（3）令处理前的子图像为g(x,y)，处理后的子图像为fs(x,y)，得到退化函数Hs
Hs=G(u,v) / Fs(u,v)
3.试验估计
前提：给定之前获取退化图像所用到的设备
步骤：
（1）配置设备，利用设备得到与退化图像类似的图像
（2）使用与（1）相同配置的设备，对一个小亮点成像，得到的图像进行傅里叶变换，就是退化函数Hs