图像的复原处理数字图像处理南昌大学

实验报告七课课练

姓名：胡文松三点式振荡器学号： 6103413007 班级：生物医学工程131

实验日期： 2016.05.18实验成绩：

实验题目：图像的复原处理

一．实验目的

（1）熟悉常见的噪声及其概率密度函数。

液气分离器（2）熟悉在实际应用中比较重要的图像复原技术，学会用MATLAB复原函数对退化图像进行复原处理。

二．实验原理

运动模糊的产生

景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退

化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。

维纳滤波图像复原

用于复原由于PSF以及可能的加性噪声卷积退化的图像I，该算法利用图像和噪声的相关矩阵，从估计图像与真实图像之间的最小均方误差意义上来说是最佳的。在没有噪声的情况下，维纳滤波器退化成理想的逆滤波器。

约束最小二乘方滤波复原

用于复原由于PSF以及可能的加性噪声退化的图像，在保持图像平滑的条件下，该算法在估计图像和实际图像间的最小二乘方误差的意义上来说是最佳的。

三．实验内容及结果

（1）选择图像fig606a.jpg，对其分别加入高斯噪声，均匀噪声和椒盐噪声，显示原始图像和噪声图像，及每个图片相对应的直方图。

（2）选择图像i_camera.bmp，对其使用运动模糊处理，再在模糊图像中加入高斯噪声，使用winner滤波和约束最小二乘方滤波对其进行去退化处理，比较效果，显示原始图像和复原图像。

源程序和结果：

I=imread('fig606a.jpg');

I=rgb2gray(I);

影视理论

subplot(2,4,1);imshow(I);title('灰度图像');

农业实用技术

I2=imnoise(I,'salt & pepper',0.05);

I3=imnoise(I,'gaussian',0.1);

%I4=I+(rand(1,length(256))-0.5)*0.2;noise=0.1*randn(size(I));I4=imadd(I,im2uint8(noise));

I4=imnoise(I,'speckle',0.05);%均匀噪声神舟hp860

subplot(2,4,2);imshow(I2);title('加入椒盐噪声：');

subplot(2,4,3);imshow(I3);title('加入高斯噪声：');

subplot(2,4,4);imshow(I4);title('加入均匀噪声：');

subplot(2,4,5);imhist(I);title('原图直方图');

subplot(2,4,6);imhist(I2);title('椒盐噪声直方图');

subplot(2,4,7);imhist(I3);title('高斯噪声直方图');

subplot(2,4,8);imhist(I4);title('均匀噪声直方图');

四．结果分析

从实验结果可知：

1）对图像进行不同的加噪，图像的直方图有所改变，其中高斯噪声的加入改变最大，均匀噪声的影响最小。

（2）两种方法对比可以看出维纳复原的效果要好，而且系数越小，复原效果越好

本文发布于:2024-09-22 05:30:12，感谢您对本站的认可！

标签：图像噪声复原实验结果退化

留言与评论（共有 0 条评论）

图像的复原处理 数字图像处理南昌大学