初识图像处理技术：数字图像复原 ----- 图像退化/复原、图像噪声、图像空域/频域恢复技术

2022-12-04 更新：纪念博主的另一篇连载博客《漫谈计算机网络》完结啦！

引流一下嘻嘻♥

漫谈计算机网络连载的所有章节👇：

1.漫谈计算机网络：概述 ------ 从起源开始到分层协议结构，初识究竟什么是计算机网络？ - slowlydance2me - 博客园 (cnblogs.com)

图像处理技术相关知识目录（顺序）：

图像增强与图像复原的异同点：

相同点：

改善给定图像质量。

不同点：

a. 图像增强是一个主观的过程；而图像恢复的大部分过程是一个客观的过程。

b. 图像增强技术基本上是一个探索性过程；图像恢复基于退化过程的先验知识。

一、图像退化和复原模型

　　图像复原Image Restoration：通过估计图像退化过程，建立相应的数学模型后，从被污染或发生畸变的图像信号中提取所需信息，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或原始图像的最优估计，从而改善图片质量。

• 图像复原可以看成图像退化的逆过程

 图像复原技术的分类：

图像退化Image Degradation：

图像在传输过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。

原因：

（1）成像系统的像差、畸变、带宽限制导致的图像失真；

（2）成像器件拍摄姿态和扫描非线性引起的几何失真；

（3）运动模糊；

（4）灰度失真；

（5）辐射失真；

（6）图像在成像、数字化、采集和处理过程中引入的噪声

常见图像退化形式

• 图像模糊

• 镜头畸变引起图像

几何失真

二、图像噪声

 噪声是随机的，因而需要用随机过程来描述，即要求知道其分布函数和概率密度函数。

 在许多情况下，这些函数很难被测定和描述。常用统计特征来描述噪声，比如说均值、方差和相关函数等等。

 图像噪声的分类：

（1）按干扰源进行分类；

（2）按噪声对信号的影响进行分类；

加性噪声

特点：

a. 波形是噪声和信号的叠加；

b. 噪声和信号无关

乘性噪声

特点：

• 乘性噪声和图像信号是相关的，往往随图像信号的变化而变化。

• 为了分析处理方面，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立的

（3）按噪声幅度分布的统计特性进行分类

白噪声（高斯噪声（Gaussian noise））

具有常量的功率谱

 白噪声的一个特例是高斯噪声

概率密度函数PDF由下式给出：

其中，表示灰度值，表示灰度值的均值或期望，σ表示x

的标准差， σ2表示x的方差。

瑞利噪声

瑞利曲线距原点的位移和密度的基本形状向右变形，瑞利

密度对于近似歪斜的直方图十分适用

伽马噪声

其中a>0，b为正整数，“！”表示阶乘，其概率密度函数的均值和方差分别为：

指数分布噪声

其中，a>0,

其概率密度函数的均值和方差分别为：

均匀分布噪声

其概率密度函数的均值和方差分别为

椒盐噪声

imnoise函数为图像添加噪声

三、图像空域复原技术

当仅有加性噪声存在时，可以选择空间滤波方法

• 均值滤波器

均值滤波器主要有以下四种：

1. 算术滤波器

2. 几何均值滤波器

*几何均值滤波器能够更好的取出高斯噪声

•对0值非常敏感

3. 谐波均值滤波器

*谐波均值滤波器对于对盐粒噪声（白噪声）效果较好，

不适用于胡椒噪声；

• 比较适合处理高斯噪声

4. 逆谐波均值滤波器

• 当Q为正时，可以消除“胡椒”噪声；

• 当Q为负时，消除“盐粒”噪声。

• 当Q=0时，该滤波器退化为算术均值滤波器；

• 当Q=-1时，退化为谐波均值滤波器

medfilt2函数均值滤波

均值滤波也可以通过fspecial和filter2实现

• 排序统计滤波器

　　是一种非线性的空间滤波器，它的响应基于图像滤波

器包围的图像区域中像素的排序，然后由统计排序结果决

定的值代替中心像素的值

0.中值滤波器

二维中值滤波可以去掉椒盐噪声

平滑效果优于均值滤波，在抑制随机噪声的同时保持图像边缘过度模糊

1. 最大值和最小值滤波器

消除胡椒噪声

2. 中点滤波器

*结合了顺序统计和求平均

• 对于高斯和均匀随机分布这类噪声有最好的效果。

3. 修正后的阿尔法均值滤波器

• 当取其他值时，在包含多种噪声的情况下非常实用。

例如，在高斯噪声和椒盐噪声混合的情况下

适用于多种噪声混合

ordfilt2函数顺序统计滤波

• 自适应滤波器

（1）自适应、局部噪声消除滤波器

 自适应滤波器的行为变化与

滤波器窗口

定义的区域内图像的统计特性有关。

 自适应滤波器的性能，优于上述所有的滤波器的性能，

提高滤波能力的代价是增加滤波器的复杂度。



均值和方差是是自适应滤波器的基础。

• 均值给出了计算区域中灰度的平均水平

• 方差给出了这个区域平均对比度的度量

（2）自适应中值滤波器

 自适应中值滤波器可以处理具有更大概率的脉冲噪声。

 自适应中值滤波器的另一个优点是，平滑非脉冲噪声时可以保存细节，

这是传统中值滤波器做不到的。

 自适应中值滤波器也能工作在滤波器窗口 ௫௬ 上，在进

行滤波处理时，依赖于以下列举的一定条件而改变或

提高

的大小。

 该算法有3个主要目的

① 除去“椒盐”噪声（脉冲噪声）；

② 平滑其他非脉冲噪声；

③ 减少诸如物体边界细化或粗化等失真。

四、图像频域复原技术

原理：

空间域卷积相当于频率域乘积。

可以在频率域中直接设计滤波器，对图像进行复原处理。

分类：

常用图像复原方法有带阻滤波器、带通滤波器、陷波滤波器等

• 周期性噪声

是在图像获取过程中，从电力或机电干扰中产生的，

是唯一的一种空间依赖性噪声，这种噪声可以通过频域滤

波显著的减少。

 周期性噪声会严重的干扰图像。

 一个正弦信号的傅立叶变换是位于正弦波共轭频率处的一对共轭脉冲。

 因此，如果在空间上正弦波的振幅足够强，就可以在

图像谱中看到对应图像中的正弦波脉冲对。

• 带阻滤波器

• 将低通滤波器和高通滤波器并联，即可构成带阻滤波器

• 需要注意高通滤波器的截止频率一定要大于低通滤波器的截止频率即fHP>fLP，否则新构成的滤波器就会变成全通滤波器

带阻滤波消除或衰减傅里叶变换原点处的频段。

• 带通滤波器

• 将低通滤波器和高通滤波器串联，即可构成带通滤波器

• 需要注意高通滤波器的截止频率一定要小于低通滤波器的截止频率即fHP<fLP，否则新构成的滤波器就会变成全频滤波器。

• 在一幅图像上直接执行带通滤波器并不常用，因为这会消除太多的图像细节

posted @ 2022-11-22 20:37 slowlydance2me 阅读(665) 评论(0) 编辑收藏举报

刷新页面返回顶部