图像复原(学习总结)
2012-06-01 21:06
148 查看
图像退化:
图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法的不完善,导致图像质量的下降,这种现象叫做图像退化。
图像复原:
就是对退化的图像进行处理,尽可能恢复出原始图像的真实面貌。
图像复原方法思路:
关键是要由退化后的图像估计出退化函数和噪声函数,然后可以得到恢复算子。恢复计算,可以在空域上进行恢复,也可以在频域上进行恢复。
几种噪声模型:
高斯噪声 Rayleigh噪声 指数噪声 均匀噪声 salt-and -pepper噪声。
估计噪声常用方法是:
从图像相对平坦区域中估计噪声概率密度函数的形式和参数。具体是,先剪切平坦区域,计算平区域的直方图,计算平坦区域的均值和方差,然后推导出概率密度函数的参数。
点扩展函数:
主要是学习了线性运动模糊的点扩展函数。
如果理想图像是一个点sigma(x,y)=1,且图像采集图像存不理想,则系统得到的实际图像不是一个点,而是一群被扩展(spread-out)了的点h(x,y)。
几种恢复方法:
主要是学习了频域图像恢复方面的的逆滤波图像复原和维纳滤波复原。逆滤波复原方法是忽略了噪声,当退化函数取较小值时,噪声被严重放大,效果不好;维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理,寻找一个滤波器,使得复原后的图像和原始图像的均方误差最小,因此维纳滤波又称为最小均方误差滤波器。
图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法的不完善,导致图像质量的下降,这种现象叫做图像退化。
图像复原:
就是对退化的图像进行处理,尽可能恢复出原始图像的真实面貌。
图像复原方法思路:
关键是要由退化后的图像估计出退化函数和噪声函数,然后可以得到恢复算子。恢复计算,可以在空域上进行恢复,也可以在频域上进行恢复。
几种噪声模型:
高斯噪声 Rayleigh噪声 指数噪声 均匀噪声 salt-and -pepper噪声。
估计噪声常用方法是:
从图像相对平坦区域中估计噪声概率密度函数的形式和参数。具体是,先剪切平坦区域,计算平区域的直方图,计算平坦区域的均值和方差,然后推导出概率密度函数的参数。
点扩展函数:
主要是学习了线性运动模糊的点扩展函数。
如果理想图像是一个点sigma(x,y)=1,且图像采集图像存不理想,则系统得到的实际图像不是一个点,而是一群被扩展(spread-out)了的点h(x,y)。
几种恢复方法:
主要是学习了频域图像恢复方面的的逆滤波图像复原和维纳滤波复原。逆滤波复原方法是忽略了噪声,当退化函数取较小值时,噪声被严重放大,效果不好;维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理,寻找一个滤波器,使得复原后的图像和原始图像的均方误差最小,因此维纳滤波又称为最小均方误差滤波器。
相关文章推荐
- GDI+学习及代码总结之------图像的编码与解码
- paper 108:系统学习数字图像处理之图像复原与重建
- 安卓图像更新学习总结
- 学习图像算法阶段性总结 (附一键修图Demo) 2016.04.19更新demo
- 深度学习【23】图像风格化总结
- opencv 学习第四天 学习opencv(中文版) 总结一下opencv的图像视频的简单应用
- 冈萨雷斯数字图像处理学习5:图像复原和重建2 频率滤波和复原
- 游戏图像学习入门到精通-Shader总结篇
- dNet图像处理组件学习总结
- MATLAB图像处理基础知识学习总结(MATLAB操作命令)
- 学习图像算法阶段性总结 (附一键修图Demo) 2016.04.19更新demo
- Android有关图形图像的学习总结
- OpenCV图像腐蚀的学习总结
- Bitmap 图像原理-学习总结
- 阅读笔记——基于字典学习的图像分类方法总结
- 基于深度学习(DL)的图像复原(IR)论文总结
- Andrew Ng机器学习课程笔记--week11(图像识别&总结划重点)
- Andrew Ng机器学习课程笔记--week11(图像识别&总结划重点)
- css3学习总结3--CSS3图像边框
- GDI+学习及代码总结之------图像的基本处理