数字图像处理实验三：图像的复原(共6页).doc
精选优质文档-倾情为你奉上南 京 工 程 学 院 通信工程学院 实 验 报 告 课 程 名 称 数字图像处理C 实验项目名称 实验三 图像的复原 实 验 班 级 算通111 学 生 姓 名 夏婷 学 号 实 验 时 间 2014年5月5日 实 验 地 点 信息楼C322 实验成绩评定 指导教师签名 年 月 日实验三、图像的恢复一、实验类型：验证性实验 二、实验目的 1. 掌握退化模型的建立方法。 2. 掌握图像恢复的基本原理。 三、实验设备：安装有MATLAB 软件的计算机 四、实验原理 一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。 I=imread(peppers.png); I=I(60+1:256,222+1:256,:); figure;imshow(I); LEN=31; THETA=11; PSF=fspecial(motion,LEN,THETA); Blurred=imfilter(I,PSF,circular,conv); figure;imshow(Blurred);MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。这4 个函数都以一个PSF 和模糊图像作为主要变量。deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。该函数采用优化技术和泊松统计量进行多次迭代。使用该函数，不需要提供有关模糊图像中附加噪声的信息。 deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。该函数除了返回一个修复后的图像以外，还返回一个修复后的PSF。下面以维纳滤波和约束去卷积为例说明图像恢复的实验原理。deconvwnr使用维纳滤波对图像恢复deconvreg对图像进行约束去卷积deconvlucy用Lucy-Richardson 算法实现图像恢复deconvblind用盲去卷积算法实现图像恢复1. 维纳滤波 使用deconvwnr 函数可以利用维纳滤波方法恢复图像。在图像的频率特征和附加噪声已知的情况下，Wiener 滤波比较有效。本例演示了维纳滤波器的性能，同时也演示了PSF 的重要性。得到准确的PSF 时，恢复的结果会比较好。 I=imread(peppers.png); I=I(10+1:256,222+1:256,:); LEN=31; THETA=11; PSF=fspecial(motion,LEN,THETA); Blurred=imfilter(I,PSF,circular,conv); wnrl=deconvwnr(Blurred,PSF); imshow(wnrl);2. 约束去卷积 采用deconvreg 函数可以对图像进行约束去卷积。当知道附加噪声的部分信息时，使用约束去卷积实现图像恢复比较有效。 （1）将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。 I=imread('flowers.tif'); I=I(10+1:256,222+1:256,:); figure;imshow(I);（2 ）创建PSF PSF=fspecial(gaussian,11,5); （3）模糊化图像并添加噪声。 Blurred=imfilter(I,PSF,conv); V=0.02; BlurredNoisy=imnoise(Blurred,gaussian,0,V); figure;imshow(BlurredNoisy);（4 ）用deconvreg 函数恢复图像，指定PSF 和噪声幂次NP 。 NP=V*prod(size(I); reg1 LAGRA=deconvreg(BlurredNoisy,PSF,NP); figure,imshow(reg1);五、实验内容 选择一幅清晰图像，对该图像进行模糊化处理，然后分别采用逆滤波、 维纳滤波和约束去卷积恢复原来图像，比较各图像恢复方法的恢复效果。六、实验步骤与结果 将一张图片1、（1）选择一幅清晰图像，对该图像进行模糊化处理I=imread('b.jpg'); %读入图像I=I(60+1:256,222+1:256,:); %裁剪图像。figure;imshow(I); %创新建图像并显示LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA); %对图像进行模糊Blurred=imfilter(I,PSF,'circular','conv'); %创建PSF的退化图像figure;imshow(Blurred); %创建图像并显示模糊后的图像 （2）、使用deconvwnr 函数可以利用维纳滤波方法恢复图像。I=imread('b.jpg'); %读入图像I=I(10+1:256,222+1:256,:); %裁剪图像LEN=31;THETA=11;PSF=fspecial('motion',LEN,THETA); %创建PSF的退化图像Blurred=imfilter(I,PSF,'circular','conv'); %使用IPF对图像进行模糊建模 wnrl=deconvwnr(Blurred,PSF); %维纳滤波imshow(wnrl); %显示滤波后的图像结果如图所示：2,、（1）将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。 I=imread('b.jpg'); %读入图像I=I(10+1:256,222+1:256,:); %裁剪图像figure;imshow(I); %并显示创建图像结果如图所示：(2)创建PSFPSF=fspecial(gaussian,11,5);(3)模糊化图像并添加噪声Blurred=imfilter(I,PSF,'conv'); %创建PSF的退化图像v=0.02;BlurredNoisy=imnoise(Blurred,'gaussian',0,v); %添加噪声figure;imshow(BlurredNoisy); %创建图像并显示添加噪声后的图像（4）用deconvreg函数恢复图像，指定PSF和噪声幂次NPNP=V*prod(size(I); %噪声幂次reg1 LAGRA=deconvreg(BlurredNoisy,PSF,NP); %对图像进行约束去卷积figure,imshow(reg1); %建立并显示图像六、实验总结 通过这次实验，能够实际掌握退化模型的建立方法，图像恢复的基本原理。专心-专注-专业
