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
- 【数字图像处理学习笔记之三】Blob分析
- 图像处理与分析(数字图像处理)学习笔记6
- 【数字图像处理学习笔记之五】形态学开闭运算
- 【数字图像处理学习笔记之六】基本灰度级形态学算法
- 【学习笔记】【数字图像处理】直方图均衡化
- 【学习笔记】【数字图像处理】空间滤波
- 数字语音信号处理学习笔记——语音信号的短时频域分析(2)
- 【数字图像处理学习笔记之四】图像腐蚀、膨胀
- 系统学习数字图像处理之形态学分析补充(灰度级处理)
- vc图像处理学习笔记1-图像格式分析及显示
- 统计分析学习笔记——图像处理中的统计应用案例
- 数字图像处理学习笔记三
- 数字语音信号处理学习笔记——语音信号的短时频域分析(2)
- 系统学习数字图像处理之形态学分析
- 数字语音信号处理学习笔记——语音信号的短时频域分析(1)
- 数字语音信号处理学习笔记——语音信号的短时频域分析(2)
- 【数字图像处理学习笔记之一】数字图像噪声
- matlab 数字图像处理 intrans函数 学习笔记
- C#数字图像处理算法学习笔记(二)--点运算与直方图
- 数字图像处理学习笔记--图像空间域增强