图像处理与分析（数字图像处理第二版）学习笔记5.1

第五章，图像复原

1，什么是图像复原？

图像复原是利用某种先验知识来重建或者复原被退化的图像。一般来讲，图像复原就是将退化模型化，并且采用相反的过程进行处理，以便复原出原图像。

2，图像退化模型表达形式？

退化过程模型化之后为一个退化函数和一个加性噪声项。

g(x,y)=h(x,y)*f(x,y)+η(x,y)等价形式：G(u，v)=H(u,v)F(u,v)+N(u,v)

3，当退化过程完全由噪声项引起时过程表达形式？

g(x,y)=f(x,y)+η（x,y）和等价形式G(u，v)=F(u,v)+N(u,v)

4，均值滤波器的形式和性质？

①算术均值滤波器复原表达式：

其中 表示中心点在（x,y）尺寸为m*n的矩形窗口小邻域中像素坐标组。 表示被复原点处的估计值。g(s,t)表示被污染的像素点值。

算术均值滤波器的恢复图像过程就是将 定义的区域内像素点平均值代替被干扰的图像g(x,y)中像素点的值。

②几何均值滤波器复原表达式：

窗口内像素点值得乘积的1/mn次幂。

③谐波均值滤波器复原表达式：

谐波均值滤波器对去除盐噪声更好，但是不适用于胡椒噪声。

④逆谐波均值滤波器复原表达式：

其中Q为滤波器的阶数，适合在实际的过程中消除椒盐噪声的影响。

当Q值为正数时，滤波器适用于消除“胡椒噪声”；当Q值为负数时，滤波器适用于消除“盐噪声”；但是不能够同时消除两种噪声，当Q=0时，逆谐波均值滤波器退化为谐波均值滤波器。

5，顺序统计滤波器？

①中值滤波器：

将邻域内中值代替像素值。

②最大值和最小值滤波器：

在发现图像中的亮点时很有效，有助于去除“胡椒噪声”。

发现图像中的暗点很有效，有助于去除“盐噪声”。

③中点滤波器：

结合了顺序统计和求平均，有助于消除高斯和均匀分布随机噪声。

④阿尔法均值滤波器：

去除邻域Sxy内，g(s,t)灰度值为最高值d/2个和最小值的d/2，剩余mn-d个像素点。

6，带阻滤波器？

①理想带阻滤波器：

D（u，v）为到中心化频率矩形中心的距离，W为阻带频带宽度。

②n阶巴特沃斯带阻滤波器：

③高斯带阻滤波器：

7，带通滤波器？

与带阻滤波器相反的操作。

8，最小均方差滤波器（维纳滤波器）表达式和公式含义？

H（u,v）为退化函数； 的复共轭。; ;

为噪声的功率谱； 为未退化的图像的功率谱。

 

 

参考文献：

《数字图像处理第二版（冈萨雷斯）》

 

阅读更多