维纳滤波在图像复原中的应用
来源:互联网 发布:少女时时彩计划软件 编辑:程序博客网 时间:2024/05/18 03:10
图像退化/复原模型
g(x,y) = h(x,y)*f(x,y)+n(x,y) 频域:G(u,v) = H(u,v)F(u,v) +N(u,v)
其中f(x,y)为原始图像,h(x,y)为退化函数,n(x,y)为噪声函数,目标就是根据观测图像g(x,y)以及一些先验或者估计信息复原f(x,y)
图像复原的核心内容就是估计退化函数,因为当噪声N为0时,F = G/H,知道了退化函数,即可复原原图像,但是当N不为0时,且H较小时,无法直接使用盲复原(噪声被过度放大)。
维纳滤波
维纳滤波又叫最小均方差滤波,它的目标是找到一个原图像f的估计图像f',使得它们之间的均方误差最小。
数学表达式: e^2 = E((f-f')^2)
根据假设,推导出估计图像的表达式如下:
从上公式可以看到,该表达式将估计图像和原图像的信噪比相联系,当H(u,v)和信噪比(Sf/Sn)较大时,该公式接近盲复原公式G/H,当信噪比较小时,会对该区域复原图像除以一个大于1的系数(压制作用)。
当处理白噪声时,噪声功率谱Sn是一个常数,大大简化处理。然而未退化功率谱很少是已知的,一般用下式表示,K是一个特定常数,用来找到最好视觉效果。
维纳滤波MATLAB实验
MATLAB关于维纳滤波函数有wiener2和deconvwnr,分别适用于灰度图像和彩色图像,这里只使用wiener2
实验代码:
I=imread('lena.jpg');
noise=5*randn(size(I));
noise = noise - min(min(noise));
J = double(I) +noise;
R1=wiener2(J,[10 10]); %未知噪声
R2=wiener2(J,[10 10],noise); %已知噪声分布
subplot(2,2,1),imshow(uint8(I));title('原始图像');
subplot(2,2,2),imshow(uint8(I1));title('退化图像');
subplot(2,2,3),imshow(uint8(R1));title('盲复原');
实验结果
- 维纳滤波在图像复原中的应用
- 图像复原之维纳滤波
- 维纳滤波运动模糊图像复原
- 维纳滤波在图像中的滤波
- 基于维纳滤波的图像复原算法
- 中值滤波在图像去噪点中的应用
- 图像复原 之 空间滤波
- 图像复原之逆滤波
- 【图像处理】线性、位置不变退化图像的频域复原基础(维纳滤波,最小均方滤波,几何滤波)
- 中值滤波在图像去噪中的应用
- [数字图像处理]图像复原--逆滤波
- 图像复原之直接逆滤波
- 快速双边滤波在High-Dynamic Range(HDR)图像显示中的应用
- 快速双边滤波在High-Dynamic Range(HDR)图像显示中的应用
- 快速双边滤波在High-Dynamic Range(HDR)图像显示中的应用。
- 图像复原之约束最小二乘方滤波
- 【图像处理】MATLAB:仅有噪声的复原(空间滤波)
- 冈萨雷斯数字图像处理学习5:图像复原和重建2 频率滤波和复原
- (一)理解Visual Genome
- mysql自带test库的相关特性
- (继承及其访问限定符)&&(派生类及其默认成员函数)&&(赋值兼容规则)
- 利用Nunit进行单元测试 NHibernate在SQL server中建表
- 支持 efi 的主板 双系统安装 ubuntu - 学习 EFI 和 gpt
- 维纳滤波在图像复原中的应用
- 用户态软件读写root文件方法
- Scoket 简单聊天室 服务器+客户端
- 信息无障碍网站链接
- linux-c++调用shell
- Android studio butterknife简单使用
- 搭建nginx与安装vsftpd提示530 Login incorrect
- 将ubuntu屏幕调大
- linux centos开启 80、22、3306端口方案