Matlab之图像复原技术（十）

Matlab之图像复原技术（⼗）

在图像的采集、传送和转换过程中，会加⼊⼀些噪声，表现为图像模糊、失真、有噪声等。在实际应⽤中需要清晰的、⾼质量的图像。图像复原就是要尽可能恢复退化图像的本来⾯⽬，它是沿图像退化的逆过程进⾏处理。

典型的图像复原技术是根据图像退化的先验知识建⽴⼀个退化模型，以此模型为基础，采⽤各种逆退化处理⽅法进⾏恢复，得到质量改善的图像。

故将详细的介绍图像复原技术，主要包括图像的噪声模型、图像的滤波以及常⽤的图像复原⽅法等。

⽬录

图像复原在数字图像处理中有⾮常重要的研究意义。图像复原最基本的任务是在去除图像中的噪声的同时，不丢失图像中的细节信息。然⽽抑制噪声和保持细节往往是⼀对⽭盾，也是图像处理中⾄今尚未很好解决的⼀个问题。图像复原的⽬的就是为了抑制噪声，改善图像的质量。

图像复原和图像增强都是为了改善图像的质量，但是两者是有区别的。区别在于：

图像增强不考虑图像是如何退化的，⽽是试图采⽤各种技术来增强图像的视觉效果

图像复原需要知道图像退化的机制和过程等先验知识，据此到⼀种相应的逆处理⽅法，从⽽得到恢复的图像

图像噪声模型

数字图像的噪声主要来⾃图像的采集和传输过程。图像传感器的⼯作受到各种因素的影响。例如在使⽤CCD摄像机获取图像时，光照强度和传感器的温度是产⽣噪声的主要原因。图像在传输过程中也会受到噪声的⼲扰。

图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声两种。噪声是不可预测的，只能⽤概率统计⽅法来认识的随机误差。

下⾯介绍常见的噪声:

1、⾼斯噪声

2、椒盐噪声

3、均匀分布噪声

4、指数分布噪声

5、伽玛分布噪声

在MATLAB中，可以通过函数imnoise( )给图像添加噪声，该函数可以得到⾼斯分布噪声、椒盐噪声、泊松分布噪声和乘性噪声。该函数的调⽤格式为：

J=imnoise(I, type, parameters)

该函数对图像I添加类型为type的噪声，type对应的噪声类型如下：

matlab语⾔名称

‘gaussian’⾼斯噪声

‘localvar’0均值⽩噪声

‘poisson’泊松噪声

‘salt & pepper’椒盐噪声

‘speckle’乘性噪声

参数parameters为对应噪声的参数，如果不设置parameters则采⽤系统的默认值。⾼斯噪声

I =imread('lena_color_512.tif');

I =rgb2gray(I);

J =imnoise(I,'gaussian',0,0.01);%添加均值为0，⽅差为0.01的⾼斯噪声

K =imnoise(I,'gaussian',0,0.03);%添加均值为0，⽅差为0.03的⾼斯噪声

figure;

奔跑女孩钱运星现状subplot(121),imshow(J);

subplot(122),imshow(K);

椒盐噪声

I =imread('lena_color_512.tif');

I =rgb2gray(I);

J =imnoise(I,'salt & pepper',0.01);%添加密度为0.01的椒盐噪声

K =imnoise(I,'salt & pepper',0.03);%添加密度为0.03的椒盐噪声

figure;

subplot(121),imshow(J);

subplot(122),imshow(K);

下⾯来分别得到椒噪声和盐噪声

I =imread('lena_color_512.tif');

I =rgb2gray(I);

I =im2double(I);

R =rand(size(I));

J = I;

J(R <=0.2)=0;

K = I;

K(R<=0.03)=1;

JY改造系统

figure;

subplot(121),imshow(J);

subplot(122),imshow(K);

骗人的把戏

左边⿊⾊的噪声就是椒噪声，右边⽩⾊的就是盐噪声

泊松噪声

I =imread('lena_color_512.tif');

I =rgb2gray(I);

I =im2double(I);

J =imnoise(I,'poisson');

figure;

狸御殿subplot(121),imshow(I); subplot(122),imshow(J);

似乎没有多⼤的效果dbq

乘性噪声

I =imread('lena_color_512.tif');

I =rgb2gray(I);

I =im2double(I);

J =imnoise(I,'speckle');

K =imnoise(I,'speckle',0.2);

figure;

subplot(121),imshow(J); subplot(122),imshow(K);

左侧为默认的乘性噪声0.04，右侧为⾃定义噪声0.2

均匀噪声

m =256; n =256;

a =50;

b =180;

I = a+(b-a)*rand(m,n);

figure;

subplot(121),imshow(uint8(I));

subplot(122),imhist(uint8(I));

左图为⾃定义的均匀噪声，右侧为其直⽅图，可以知道⼤致在⼀条⽔平线

滤波⽅式

严控未成年真人秀

均值滤波

中华口腔医学网

本文发布于:2024-09-24 15:25:04，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/477322.html

上一篇：自适应滤波-----LMS（LeastMeanSquare）算法

下一篇：离焦模糊照片的处理算法

标签：噪声图像图像复原退化

留言与评论（共有 0 条评论）