基于matlab的图像处理

基于matlab图像处理的去噪处理

——解图像的运动模糊 一( 问题提出:

影响图像质量的因素有很多，如亮度，对比度，和噪声等。而其中的噪

声又有椒盐噪声，高斯噪声等几种。人们在摄影照相过程中，如果相机与

被照对象之间有相对运动发生，则所得图片会产生运动模糊，直观上看就

是图像不清晰，有拖影，这也是图像噪声的一种。为提高图像质量解决这

样的模糊问题需对图像进行相关的去早处理。本文选择的是一张汽车车轮

的图片如图1所示，很明显图像产生运动模糊，因而要进行去噪处理，要

求能较为清晰观察到车轮的形态和螺丝的个数。

图1 汽车车轮

二( 噪声分析:

图1所示为明显的图像退化，而这种退化的典型的表现为模糊，失真和有噪声，造成过这种退化的原因有很多，具体分析有如下几点:

1. 成像系统的像差，畸变和有限带宽造成图像退化;

2. 拍摄时，相机与景物之间的相对运动产生的运动模糊;

3. 镜头聚焦不准产生的散焦模糊;

4. 成像系统中存在的噪声干扰。

可以看出，造成图1图像退化的主要原因是第二点——运动模糊。

三( 选用算法:

对运动模糊的噪声处理算法有很多，本文选择维纳滤波法进行去噪。在使用维纳滤波前首先介绍一个重要概念即PSF，PSF也称为点扩展函数。在空间领域，PSF描述了光学系统使一个点光源扩散的程度;PSF使光学转换函数OTF的傅里叶逆变换。在频域里，OTF描述了一个线性，位置不变的系统对脉冲的相应。对产生运动模糊图像的处理的实质是用可以描述失真的PSF对模糊图像进行去卷积运算，即卷积的逆运算。Matlab中通常使用fspecial()函数来创建一个确定类型的PSF即

PSF=fspecial('motion',LEN,THETA)

其中motion是表示摄像头近似线性移动即选用的滤波器或算子;LEN是移动像素的个数，THETA是移动的角度。然后用这个PSF对模糊图像进行维纳滤波的处理。

维纳滤波，在matlab中可以调用deconvwnr()函数来实现，是对解运动模糊效果较好的一种去噪方法。具体格式如下:

J=deconvwnr(I，PSF)

其中，J代表处理后的图片，I为模糊图片，PSF是点扩散函数。但是在实际处理过程中发现，使用维纳滤波会给图片带来一些其它的噪声，因而在解运动模糊后需要再对图像进行去噪，本文采用中值滤波。

中值滤波器也叫最大滤波器和最小滤波器。其实现的滤波原理是通过预设一个窗口矩阵对数字图像进行扫描，在窗口矩阵范围内，某一点的值用该点邻域中各点的中值替换。其实现格式如下:

K=medfilt2(I,[x,y]) 其中K为处理后的图片，I为被处理图片，[x,y]为窗口矩阵。

四( 图像处理:

1. 读入图片

读入图片并转为灰度图像运行指令

i=imread('d:/03.jpg')

I0=rgb2gray(i);

figure;

imshow(I0);

结果如下:

图2

2. 设置生成PSF

PSF=fspecial('motion',LEN,THETA)

为了确定LEN和,,,,,根据观察模糊图像用试代法，先取值为LEN=30，THETA=30

即PSF=fspecial('motion',30,30)

3. 用维纳滤波处理

运行指令

wnrl=deconvwnr(I0,PSF);

figure;

imshow(wnrl);

结果如下:

图3 调整PSF中的参数得

PSF=fspecial('motion',35,35)，运行如下:

图4

SF=fspecial('motion',25,25)，运行如下:

图5

显然，真实值小于30,30.

F=fspecial('motion',20,20)，运行如下:

图6

继续不断地试值，逐渐逼近真实值，最后得到处理效果较好一组数据

F=fspecial('motion',26,15)

图7

4. 中值滤波

运行指令

K=medfilt2(wnrl,[3,3]);

figure;

imshow(K)

结果如下:

图8

五( 调试程序出现的错误:

在调试程序时出现如下错误提示:

??? Error using ==> images\private\checkinput>check_attributes Function ORDFILT2 expected its first input argument, A, to be two-dimensional.

Error in ==> images\private\checkinput at 37

check_attributes(A, attributes, function_n