图像去模糊(逆滤波)

来源:互联网 发布:施工动画软件 编辑:程序博客网 时间:2024/06/05 11:22

引言

图像模糊是一种拍摄常见的现象,我曾在图像去模糊(维纳滤波) 介绍过。这里不再详述,只给出物理模型,这里我们仍在频率域表示

G(u,v)=H(u,v)F(u,v)+N(u,v)(1)

其中提到最简单的复原方法是直接做逆滤波(Inverse filter)。
F^(u,v)=G(u,v)H(u,v)(2)

该除法是阵列操作,即按位除。
在含有噪声情况下,将(1)式两端除以H(u,v)
F^(u,v)=F(u,v)+N(u,v)H(u,v)(3)

这里N(u,v)未知,式子表明,即使知道退化函数也不能准备复原图像。还有当退化函数H(u,v)是零或者非常小的值,则N(u,v)H(u,v)很容易支配整个式子。
下面我将用代码说明一下逆滤波,这里我采用直接编码形式。对了,前面我提到过,当噪声信息比NSR等于0时,此时维娜滤波等同于逆滤波。因此可以直接使用matlab自带deconvwnr函数,将第三个参数NSR设置成0即可,省事的同学可以试一下。

代码

close all;clear all;clc;% Display the original image.I = im2double(imread('lena.jpg'));[hei,wid,~] = size(I);subplot(2,3,1),imshow(I);title('Original Image (courtesy of MIT)');% Simulate a motion blur.LEN = 21;THETA = 11;PSF = fspecial('motion', LEN, THETA);blurred = imfilter(I, PSF, 'conv', 'circular');subplot(2,3,2), imshow(blurred); title('Blurred Image');% Inverse filterIf = fft2(blurred);Pf = fft2(PSF,hei,wid);deblurred = ifft2(If./Pf);subplot(2,3,3), imshow(deblurred); title('Restore Image')% Simulate additive noise.noise_mean = 0;noise_var = 0.0001;blurred_noisy = imnoise(blurred, 'gaussian', ...                        noise_mean, noise_var);subplot(2,3,4), imshow(blurred_noisy)title('Simulate Blur and Noise')% Try restoration assuming no noise.If = fft2(blurred_noisy);deblurred2 = ifft2(If./Pf);subplot(2,3,5), imshow(deblurred2)title('Restoration of Blurred Assuming No Noise');% Try restoration with noise is known.noisy = blurred_noisy - blurred;Nf = fft2(noisy);deblurred2 = ifft2(If./Pf - Nf./Pf);subplot(2,3,6), imshow(deblurred2)title('Restoration of Blurred with Noise Is Known')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43

这里使用了经典的lena图是灰度图像,分别对图像进行运动模糊,逆滤波,运动模糊+高斯噪声,假定噪声未知直接逆滤波,噪声已知逆滤波。

效果

result

说明

逆滤波对噪声非常敏感,除非我们知道噪声的分布情况(事实上,这也很难知道),逆滤波几乎不可用,可以从二排中间看出,恢复图像效果极差。但若知道噪声分布,也是可以完全复原信息的。可以从二排最后一张图可以看出。写作本文的目的也仅是在数学角度上对图像模糊现象进行分析,后续会介绍更加有效的图像复原方法,敬请关注。

相关阅读及参考文献

图像去模糊(维纳滤波) http://blog.csdn.net/bluecol/article/details/46242355
图像去模糊(约束最小二乘滤波) http://blog.csdn.net/bluecol/article/details/47359421
数字图像处理(第三版) 冈萨雷斯著 chapter 5,图像复原与重建

转载请保留以下信息

作者日期联系方式风吹夏天2015年8月8日wincoder@qq.com
转载于http://blog.csdn.net/bluecol/article/details/47357717#t0
0 0
原创粉丝点击