matlab第四章图像复原与重建

一、本章简介
如图像增强那样，图像复原技术的主要目的是以预先确定的目标来改善图像。尽管两者有相重叠的领域，但图像增强主要是主观处理，而图像复原则大部分是客观处理。图像复原试图利用退化现象的某种先验知识来复原一幅退化的图像。因而，复原技术是面向退化模型的，并且采用相反的过程进行处理，以便恢复出原图像。

这种方法通常都会涉及设立一个最佳准则，它将产生期望结果的最佳估计。相比之下，图像增强技术基本上是-一个探索性过程，即根据人类视觉系统的生理和心理特性来设计-种改善图像的方法。例如，对比度拉伸被认为是一种增强技术，因为它主要基于给观看者提供其喜欢接受的图像，而通过去模糊函数去除图像模糊则被认为是一种图像复原技术。

主要研究如何使用MATILAB和图像处理工具箱来对降质现象建模，并用公式明确表达复原案。某些复原技术适合在空间城中明确阐述，而另一些复原技术则适合在频率城中阐述。下面的例子会研究这两种方法。最后介绍雷登变换及其在投影重建图像中的应用。
二、例题如下：
方法：1.安装并运行matlab软件；

2.输入相关代码并运行结果如下

例2.
代码截图：

运行结果：

代码如下：
clc
clear

r = imnoise2(‘gaussian’,100000,1,0,1);
bins = 100;
hist(r,bins)
title(‘gaussian’)

r = imnoise2(‘uniform’,100000,1,0,1);
bins = 100;
figure,hist(r,bins)
title(‘uniform’)

r = imnoise2(‘salt & pepper’,1000,1,0.1,0.27);
bins = 100;
figure,hist(r,bins)
title(‘salt & pepper’)

r = imnoise2(‘lognormal’,100000,1);
bins = 100;
figure,hist(r,bins)
title(‘lognormal’)

r = imnoise2(‘rayleigh’,100000,1,0,1);
bins = 100;
figure,hist(r,bins)
title(‘rayleigh’)

r = imnoise2(‘exponential’,100000,1);
bins = 100;
figure,hist(r,bins)
title(‘exponential’)

r = imnoise2(‘erlang’,100000,1);
bins = 100;
figure,hist(r,bins)
title(‘erlang’)
例3
代码截图：

运行结果：

代码如下：
clc
clear
C = [0 64; 0 128; 32 32; 64 0; 128 0; -32 32];
[r,R,S] = imnoise3(512, 512, C);
imshow(S,[])
title(‘[6个]指定冲击的正弦噪声周期频谱[1]’)

imshow(r,[])
title(‘[6个]相应的正弦噪声周期模式[1]’)
% S1 = fftshift(S);
% imshowMy(S1,[])
% figure,mesh(S)

C1 = C/2;
[r1,R1,S1] = imnoise3(512, 512, C1);
imshow(S1,[]),title(‘[6个]指定冲击的正弦噪声周期频谱[2]’)
imshow(r1,[]),title(‘[6个]相应的正弦噪声周期模式[2]’)

C2 = [6 32; -2 2];
[r2,R2,S2] = imnoise3(512, 512, C2);
imshow(S2,[]),title(‘[2个]指定冲击的正弦噪声周期频谱[3]’)
imshow(r2,[]),title(‘[2个]相应的正弦噪声周期模式[3]’)

A = [1 5];
[r3,R3,S3] = imnoise3(512, 512, C2, A);
imshow(S3,[]) %有两个不清楚的点，因为其振幅较小
title(‘[2个][使用非默认的不同振幅]指定冲击的正弦噪声周期频谱[4]’)
imshow(r3,[])
title(‘[2个][使用非默认的不同振幅]相应的正弦噪声周期模式[4]’)

subplot(3, 2, 1), imshow(S,[]),title(‘[6个]指定冲击的正弦噪声周期频谱[1]’)
subplot(3, 2, 2), imshow(r,[]),title(‘[6个]相应的正弦噪声周期模式[1]’)
subplot(3, 2, 3), imshow(S1,[]),title(‘[6个]指定冲击的正弦噪声周期频谱[2]’)
subplot(3, 2, 4), imshow(r1,[]),title(‘[6个]相应的正弦噪声周期模式[2]’)
subplot(3, 2, 5), imshow(r2,[]),title(‘[2个][使用非默认的不同振幅]指定冲击的正弦噪声周期频谱[4]’)
subplot(3, 2, 6), imshow(r3,[]),title(‘[2个][使用非默认的不同振幅]相应的正弦噪声周期模式[4]’);
例4
运行结果：

例5
代码截图：

运行结果：

代码如下：
clc
clear
f = imread(‘D:\图片\DIP3E_CH05_Original_Images\Fig0512(b)(ckt-uniform-plus-saltpepr-prob-pt1).tif’);
imshow(f),title(‘原始图像’)

[M,N] = size(f);
R = imnoise2(‘salt & pepper’,M,N,0.1,0);
c = R == 0;
gp = f;
gp© = 0;
imshow(gp),title(‘被概率为0.1的胡椒噪声污染的图像’)

R = imnoise2(‘salt & pepper’,M,N,0,0.1);
c = find(R == 1);
gs = f;
gs© = 255;
imshow(gs),title(‘被概率为0.1的盐粒噪声污染的图像’)

fp = spfilt(gp,‘chmean’,3,3,1.5);
imshow(fp),title(‘用阶为Q=1.5的3*3反调和滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果’)

fs = spfilt(gs,‘chmean’,3,3,-1.5);
imshow(fs),title(‘用阶为Q=-1.5的3*3反调和滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果’)

fpmax = spfilt(gp,‘max’,3,3);
imshow(fpmax),title(‘用3*3最大滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果’)

fsmin = spfilt(gs,‘min’,3,3);
imshow(fsmin),title(‘用3*3最小滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果’)

subplot(3, 3, 1), imshow(f),title(‘原始图像’)
subplot(3, 3, 2), imshow(gp),title(‘被概率为0.1的胡椒噪声污染的图像’)
subplot(3, 3, 3), imshow(gs),title(‘被概率为0.1的盐粒噪声污染的图像’)
subplot(3, 3, 4), imshow(fp),title(‘用阶为Q=1.5的33反调和滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果’)
subplot(3, 3, 5),imshow(fs),title('用阶为Q=-1.5的33反调和滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果’)
subplot(3, 3, 6), imshow(fpmax),title(‘用33最大滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果’)
subplot(3, 3, 7), imshow(fsmin),title('用33最小滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果’)

例6
代码截图：

运行结果：

代码如下：
clc
clear
f = imread(‘D:\图片\DIP3E_CH05_Original_Images\Fig0512(a)(ckt-uniform-var-800).tif’);
imshow(f)
title(‘原始图像’)

g = imnoise(f,‘salt & pepper’,0.25);% 噪声点有黑有白
imshow(g)
title(‘被概率为0.25椒盐噪声污染的图像’)

f1 = medfilt2(g,[7 7],‘symmetric’);
imshow(f1)
title(‘用7*7中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果’)

f2 = adpmedian(g,7);
imshow(f2)
title(‘用Smax=7的自适应中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果’)
subplot(2, 2, 1), imshow(f),title(‘原始图像’)
subplot(2, 2, 2), imshow(g),title(‘被概率为0.25椒盐噪声污染的图像’)
subplot(2, 2, 3), imshow(f1),title(‘用7*7中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果’)
subplot(2, 2, 4), imshow(f2),title(‘用Smax=7的自适应中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果’)

例7
代码截图：

运行结果：

代码如下：
clc
clear

f = checkerboard(8);
% imshowMy(f)

PSF = fspecial(‘motion’,7,45);
gb = imfilter(f,PSF,‘circular’);
% imshowMy(gb)

noise = imnoise(zeros(size(f)),‘gaussian’,0,0.001);
% imshowMy(noise,[])

g = gb + noise;
imshow(g,[]),title(‘模糊加噪声的图像’)
% ***************

fr1 = deconvwnr(g,PSF);
imshow(fr1,[]),title(‘简单的维纳滤波（逆滤波）后的结果’)

Sn = abs(fft2(noise)).^2;
nA = sum(Sn(

matlab第四章图像复原与重建相关推荐

数字图像处理与MATLAB 第四章学习笔记
第四章图像复原与重建图像复原技术主要目的是以预先确定的目标来改善图像,大部分属于客观处理,面向退化模型,并采用相反的过程进行处理,以便恢复出原图像. 图像增强技术基本上是一种探索性过程,即根据人类 ...
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 ...
卡塞格伦天线 matlab,(第四章)口径天线.ppt
(第四章)口径天线 4.1惠更斯元的辐射 4.2 平面口径的辐射 4.3 旋转抛物面天线 4.4 卡塞格伦天线 ② 长焦距抛物面天线的口径张角较小, 为了获得最佳照射, 馈源方向图应较窄, 即要求 ...
MATLAB第四章答案胡良剑,MATLAB第四章练习
作业1:实验编程若将一个班级的同学资料作为研究对象,则常见的指标包括:(1)学号;(2)姓名;(3)性别;(4)党团关系;(5)课程成绩,包括(a)科目一;(b)科目二;(c)科目三等,且在每一个科 ...
数字图像处理第四章——图像复原（下）
数字图像处理第四章数字图像处理---图像复原 (三)仅有噪声的复原--空间滤波 3.1 空间噪声滤波器 3.2 自适应空间滤波 (四)退化函数建模 (五)维纳滤波 (六)约束的最小二乘法(规则化)滤 ...
直流电机调压调速matlab,第四章MATLAB以及交直流调速系统仿真.ppt
MATLAB应用技术清华大学出版社 1 MATLAB基本知识 4.3 直流调速系统与MATLAB 仿真实现 4.4交流电动机模型与MATLAB实现 4.5异步电机调压调速系统与MATLAB 实现 4 ...
matlab第四章例题,第四章课后作业matlab验证
4-6.概略绘出G(s)=k*/s(s+1)(s+3.5)(s+3+j2)(s+3-j2)的闭环根轨迹图. matlab程序代码如下: >> num=[1];den=conv([1,0], ...
matlab作业参考4,matlab第四章作业
4.15 修改4.7 中的程序lsqfit,使它能够从input1.dat 文件中读取它的输入值.文件中的数据是以行组织的,每一行都有一对(x,y),如下所示: 1.1 2.2 2.2 3.3 ... ...

matlab第四章图像复原与重建

matlab第四章图像复原与重建相关推荐

最新文章

热门文章