Richardson–Lucy算法
1、基本模型假设
苯胺类化合物Y = Λ ∗ P
ioftpd其中:
Λ : 原始图像,
∗ : 卷积操作。
龙羊峡电站
这⾥的点扩散函数(Point Spread Function,PSF)描述了成像系统对点光源或点状物的响应。
2、算法思想
在假设模型
Y = Λ ∗ P
中,我们有:
简单起见,可以假设d=n,则观测图像和真实图像包含数量相同的像素点。
脂肪酸酰胺根据yj的物理意义知其满⾜泊松分布。事实上,
其中
3、求解
3.1 泊松分布
泊松分布描述了⼀段时间内某件事发⽣⼀定次数的概率。事件需要满⾜以下条件: 1)每次事件之间相互独⽴;
歌剧伤逝2)事件发⽣的概率在⼀段时间内是稳定的。
泊松分布的概率函数为:
采⽤⾼斯型点扩展函数(实际问题中扩散函数形式是多种多样的,此处以该函数模型为例):
D(i,j)表⽰点i和j的距离。
由前⾯的分析知yj满⾜泊松分布,得:
该式表⽰了点i在点j上的映射贡献,故yj可由下式表⽰:
当图像Λ已知时,z(i, j)可由下式估计:
⽽当z(i,j)已知时,λ可由下式估计:
因此最终的迭代式为:
4、去卷积效果实例
原图:
⾼斯模糊后:
5次迭代恢复:
20次迭代恢复:
可以看到,迭代次数越多,图像边界区域的振铃效应越明显,但图像细节恢复越清晰。
从整体上定量来看,迭代次数在某个值附近达到最佳效果,这个值因图⽽异。本例定量计算信噪⽐(SNR)及峰值信噪⽐(PSNR)结果如下图所⽰,⼤约在14次迭代时结果最优。图中横坐标为迭代次数,
纵坐标单位为db:
附上实验⽤到的matlab代码:
clc;
I = imread('original.JPG');
figure(1);
imshow(I);
title('Original Image');
PSF = fspecial('gaussian',5,5);
Blurred = imfilter(I,PSF,'symmetric','conv'); figure(2);
imshow(Blurred);
title('Gaussian Blurred');
imwrite(Blurred,'⾼斯模糊.png');
lucy = deconvlucy(Blurred,PSF,5);
figure(3);
imshow(lucy);
title('Restored Image, NUMIT = 5');
imwrite(lucy,'5次迭代.png');
lucy = deconvlucy(Blurred,PSF,20);
figure(4);
imshow(lucy);
title('Restored Image, NUMIT = 20');
imwrite(lucy,'20次迭代.png');
function BestRL
clc;
generateImg();%
calcPSNR();
end
function generateImg
I = imread('original.JPG');
PSF = fspecial('gaussian',5,5);
Blurred = imfilter(I,PSF,'symmetric','conv'); %imwrite(Blurred,'⾼斯模糊.png');
for i=1:1:20
苏州娱乐场所整顿2019rI = deconvlucy(Blurred,PSF,i);
imwrite(rI,sprintf('%d.png',i));
end
end