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