数字图像处理实验5图像复原

一、实验目的

（1）了解图像复原的目的及意义，加深对图像复原理论的认识。

（2）掌握维纳滤波复原基本原理。

（3）掌握约束最小二乘方复原方法。

（4）掌握盲解卷积复原方法

二、实验内容

（1）维纳滤波复原。

（2）约束最小二乘方复原

（3）盲解卷积复原

三、实验代码及结果、分析

（1）维纳滤波复原

代码：

I=imread('E:\大三课件\大三下\数字图像处理\实验\实验5\lena.jpg');

I=rgb2gray(I);

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

figure

subplot(2,2,1),imshow(uint8(I));title('原始图像');

subplot(2,2,2),imshow(uint8(J));title('退化图像');

subplot(2,2,3),imshow(uint8(R1));title('盲复原');

subplot(2,2,4),imshow(uint8(R2));title('非盲复原');

结果：

分析：

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。 e^2 = E(（f-f'）^2)
randa()函数是产生随机噪声，nosize应该是一个矩阵，min(min(noise))表示先取每列中的最小值，再取最小值中的最小值
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
R1为未知噪声的分布，R2为已知噪声分布

（2）约束最小二乘方复原方法

代码：

I=imread('E:\大三课件\大三下\数字图像处理\实验\实验5\lena.jpg');

I=rgb2gray(I);I = im2double(I);[hei,wid,~] = size(I);

PSF = fspecial('motion', 21, 11);%摄像物体逆时针方向以11角度运动了21个像素

blurred = imfilter(I, PSF, 'conv', 'circular');%运动模糊图像

% 逆滤波结果

If = fft2(blurred);Pf = psf2otf(PSF,[hei,wid]);deblurred =ifft2(If./Pf);

% 运动模糊+高斯噪声

noise_mean = 0;noise_var = 0.00001;

blurred_noisy = imnoise(blurred, 'gaussian',noise_mean, noise_var);

% 约束最小二乘法

p = [0 -1 0;-1 4 -1;0 -1 0];P = psf2otf(p,[hei,wid]);

gama = 0.002;%γ设置成0.001左右会有比较好的效果If = fft2(blurred_noisy);numerator = conj(Pf);

denominator = Pf.^2 + gama*(P.^2);

deblurred2 = ifft2( numerator.*If./ denominator );

subplot(2,3,1),imshow(I);title('原始图像');

subplot(2,3,2), imshow(blurred); title('运动模糊图像');

subplot(2,3,3), imshow(deblurred); title('运动模糊复原')

subplot(2,3,4), imshow(blurred_noisy),title('运动模糊+噪声图像')

subplot(2,3,5), imshow(deblurred2),title('无约束最小二乘法复原');

subplot(2,3,6); imshow(deconvreg(blurred_noisy, PSF,0)); title('deconvreg函数复原');%自带的去模糊deconvreg函数

结果：

分析：

1、fspecial('type', len,theta)函数，用于预定于滤波算子，type=motion为运动算子，theta参数表示逆时针方向的角度，len表示运动了len个像素

2、约束最小二乘方滤波效果比自带的去模糊deconvreg函数好

3、约束最小二乘方滤波对高噪声和中等噪声产生结果要好于维纳滤波，对于低噪声两种滤波产生结果基本相等

（3）盲解卷积复原方

代码：

I=checkerboard(8);

PSF=fspecial('gaussian',7,10);

V=.0001;

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);

WT=zeros(size(I));

WT(5:end-4,5:end-4)=1;

INITPSF=ones(size(PSF));

FUN=inline('PSF+P1','PSF','P1');

[J P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0);

subplot(131);imshow(I);title('原图像');

subplot(132);imshow(BlurredNoisy);title('运动模糊+噪声图像');

subplot(133);imshow(J);title('盲去卷积');

结果：

分析：

盲解卷积复原是指在没有图像退化先验知识、对退化系统了解不足的条件下，通过观察退化图像的多个图像以某种方式抽出退化信息，进行图像复原
函数imnoise 是表示添加噪声污染一幅图像，叫做噪声污染图像函数,g=imnoise（f,'localvar',V)将均值为0，局部方差为V的高斯噪声添加到图像f上，其中V是与f大小相同的一个数组，它包含了每一个点的理想方差值
Inline()函数：定义一个内置函数，本质上说跟function干的是一样的事，只不过它可以直接内嵌在命令行里，不用另外单独定义function

数字图像处理实验5图像复原相关推荐

数字图像处理matlab实验对图像复原,数字图像处理实验07图像的复原处理
数字图像处理实验一.数字图像处理实验实验七图像的复原处理一.实验目的熟悉几种在实际应用中比较重要的图像复原技术,学会用MATLAB复原函数对退化图像进行复原处理. 二.实验内容 1．用点扩散 ...
数字图像处理实验（总计23个）汇总
以下这些实验中的代码全部是我自己编写调试通过的,到此,最后进行一下汇总. 数字图像处理实验(1):PROJECT 02-01, Image Printing Program Based on Half ...
数字图像处理实验——Python语言实现
数字图像处理实验--Python语言实现实验一:数字图像处理入门实验二:直方图均衡实验三:线性平滑和锐化--掩模法实验四:非线性平滑--中值滤波实验五:非线性锐化--梯度法 GitHub地址 ...
数字图像处理实验三图像增强
一.实验目的 (1)了解图像增强的目的及意义,加深对图像增强的感性认识,巩固所学的图像增强的理论知识和相关算法. (2)熟练掌握直方图均衡化和直方图规定化的计算过程. (3)熟练掌握空域滤波中常 ...
数字图像处理实验四图像频域增强
一.实验目的 (1)了解图像增强的目的及意义,加深对图像增强的感性认识,巩固所学的图像增强的理论知识和相关算法. (2)熟练掌握低通.高通.带通.同态滤波器的使用方法,明确不同性质的滤波器对图像的影响 ...
实验1 数字图像处理的MATLAB基础,《数字图像处理(实验部分)》实验1_数字图像处理中MATLAB使用基础...
<数字图像处理(实验部分)>教案实验一:数字图像处理中MATLAB使用基础实验一. MATLAB软件安装二. 进入MATLAB运行环境三. MATLAB编程基础 3.1.变量预定 ...
matlab数字图像实验报告,数字图像处理实验报告(matlab)
数字图像处理实验报告(matlab) 学院:自动化学院班级:电081班姓名:李林树学号:40850099 2011年10月实验一直方图均衡化一. 实验目的: 1. 熟悉图像数据在计算机中的 ...
数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
c语言米粒数实验报告,数字图像处理实验报告米粒.doc
数字图像处理实验报告米粒一.任务描述本次试验的主要任务是用matlab编写程序确定图1(原始图像)中的米粒个数,达到能辨认连接的两个米粒和不足一个的米粒的精确度,并计算出了米粒的平均大小,标识出了 ...

数字图像处理实验5图像复原

数字图像处理实验5图像复原相关推荐

最新文章

热门文章