图像处理：图像复原与重建之逆滤波、维纳滤波、约束最小二乘滤波—

参考资料：

陷波滤波器—matlab实现

http://blog.sina.com.cn/s/blog_ebd29d830102wdzw.html

图像复原之约束最小二乘方滤波

https://blog.csdn.net/yi_tech_blog/article/details/54605146

图像去模糊（约束最小二乘方滤波）

https://blog.csdn.net/bluecol/article/details/47359421

约束最小二乘方滤波去模糊

https://blog.csdn.net/yuyangyg/article/details/78681007

图像去模糊（维纳滤波）

https://blog.csdn.net/bluecol/article/details/46242355

%% 仿真逆滤波、维纳滤波，约束最小二乘滤波close all;
clear all;
clc;
% Display the original image.
I = imread('Lena512.png');
[d1,d2,d3] = size(I);
if(d3 > 1)
I = rgb2gray(I);
end
I = im2double(I);
[hei,wid,~] = size(I);
subplot(3,3,1),imshow(I);
title('Original Image ');% Simulate a motion blur.
LEN = 50;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
subplot(3,3,2), imshow(blurred); title('Blurred Image');% Simulate additive noise.
noise_mean = 0;
% noise_var = 0.00001;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...noise_mean, noise_var);
subplot(3,3,3), imshow(blurred_noisy)
title('Simulate Blur and Noise')%% 使用自带的 deconvwnr 进行维纳滤波。 deconvreg进行约束最小二乘滤波
% deconvwnr 维纳滤波，如果没有参数NSPR，则为逆滤波%自带 逆滤波 对已添加噪声图像 deconvwnr
deblurred4 = deconvwnr(blurred_noisy,PSF);
subplot(3,3,4), imshow(deblurred4); title('deconvwnr逆滤波 对 运动+噪声')%自带 维纳滤波 对已添加噪声图像 deconvwnr
deblurred4 = deconvwnr(blurred_noisy,PSF,0.005); %0.005为噪声信号比
subplot(3,3,5), imshow(deblurred4); title('deconvwnr维纳滤波 对 运动+噪声')%自带的 deconvreg 进行约束最小二乘滤波
subplot(3,3,6);
imshow(deconvreg(blurred_noisy, PSF,20)); %20 为噪声功率
title('deconvreg最小二乘滤波 对 运动+噪声');%% 自写 逆滤波,约束最小二乘滤波%自写 逆滤波 对未添加噪声图像
If = fft2(blurred);
Pf = psf2otf(PSF,[hei,wid]);
deblurred = ifft2(If./Pf);
subplot(3,3,7), imshow(deblurred); title('逆滤波 对 仅运动')
%自写 逆滤波 对已经添加噪声图像
If2 = fft2(blurred_noisy);
deblurred2 = ifft2(If2./Pf);
subplot(3,3,8), imshow(deblurred2); title('逆滤波 对 运动+噪声')% Try restoration using  Home Made Constrained Least Squares Filtering.
% 自写约束最小二乘滤波
p = [0 -1 0;-1 4 -1;0 -1 0];
P = psf2otf(p,[hei,wid]);gama = 0.001;
If = fft2(blurred_noisy);numerator = conj(Pf);
denominator = Pf.^2 + gama*(P.^2);deblurred2 = ifft2( numerator.*If./ denominator );
subplot(3,3,9), imshow(deblurred2)
title('约束最小二乘滤波');

图像处理：图像复原与重建之逆滤波、维纳滤波、约束最小二乘滤波——Matlab实现相关推荐

第5章 Python 数字图像处理(DIP) - 图像复原与重建14 - 逆滤波
标题逆滤波逆滤波逆滤波逆滤波图像的退化函数已知或者由前面的方法获取退化函数,则可以直接逆滤波 F^(u,v)=G(u,v)H(u,v)(5.78)\hat{F}(u,v) = \frac{G ...
第5章 Python 数字图像处理(DIP) - 图像复原与重建15 - 最小均方误差（维纳）滤波
标题最小均方误差(维纳)滤波最小均方误差(维纳)滤波目标是求未污染图像fff的一个估计f^\hat{f}f^,使它们之间的均方误差最小. e2=E{(f−f^)2}(5.80)e^2 = E ...
matlab 约束最小二乘方滤波,约束最小二乘方滤波
最小二乘自适应滤波引言基于最小均方误差(MMSE)准则的算法, 如最陡下降法.... (002)014 [摘要]介绍了图像退化模型和约束最小二乘滤波器以及平滑约束最小二乘滤波器,并用 MATLAB ...
[数字图像处理]图像复原--逆滤波
1.逆滤波的问题点图像的老化,可以视为以下这样的一个过程.一个是退化函数的影响(致使图片模糊,褪色等),一个可加性噪声的影响. 用算式表示为前几篇博文,主要是介绍可加性噪声的 ...
第5章 Python 数字图像处理(DIP) - 图像复原与重建16 - 约束最小二乘方滤波、几何均值滤波
标题约束最小二乘方滤波几何均值滤波约束最小二乘方滤波 F^(u,v)=[H∗(u,v)∣H(u,v)∣2+γ∣P(u,v)∣2]G(u,v)(5.89)\hat{F}(u,v) = \bigg[ ...
数字图像处理——第五章图像复原与重建
数字图像处理--第五章图像复原与重建文章目录数字图像处理--第五章图像复原与重建写在前面 1 图像退化/复原过程的模型 2 噪声模型 2.1 高斯噪声 2.2 椒盐噪声 3 仅有噪声的复原- ...
数字图像处理第五章图像复原与重建
文章目录数字图像处理第五章图像复原与重建引言 5.1背景知识 5.2图像退化与复原 5.3噪声模型高斯噪声椒盐噪声瑞丽噪声伽马噪声 5.4只存在噪声的复原--空间滤波均值滤波统计排 ...
paper 108：系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...

图像处理：图像复原与重建之逆滤波、维纳滤波、约束最小二乘滤波——Matlab实现

图像处理：图像复原与重建之逆滤波、维纳滤波、约束最小二乘滤波——Matlab实现相关推荐

最新文章

热门文章