【CV】图像去模糊(逆滤波)

【图像处理入门和进阶教程】 同时被 2 个专栏收录
89 篇文章 79 订阅 ¥99.00 ¥49.90
57 篇文章 60 订阅 ¥99.00 ¥39.90

###Date: 2018.5.8

================================================

转载自:https://blog.csdn.net/bluecol/article/details/47357717 


引言

图像模糊是一种拍摄常见的现象,我曾在图像去模糊(维纳滤波) 介绍过。这里不再详述,只给出物理模型,这里我们仍在频率域表示 

G(u,v)=H(u,v)F(u,v)+N(u,v)(1) G(u,v)=H(u,v)F(u,v)+N(u,v)(1)

其中提到最简单的复原方法是直接做逆滤波(Inverse filter)。 
F^(u,v)=G(u,v)H(u,v)(2) F^(u,v)=G(u,v)H(u,v)(2)

该除法是阵列操作,即按位除。 
在含有噪声情况下,将(1)式两端除以 H(u,v) H(u,v)  
F^(u,v)=F(u,v)+N(u,v)H(u,v)(3) F^(u,v)=F(u,v)+N(u,v)H(u,v)(3)

这里 N(u,v) N(u,v) 未知,式子表明,即使知道退化函数也不能准备复原图像。还有当退化函数 H(u,v) H(u,v) 是零或者非常小的值,则 N(u,v)H(u,v) N(u,v)H(u,v) 很容易支配整个式子。 
下面我将用代码说明一下逆滤波,这里我采用直接编码形式。对了,前面我提到过,当噪声信息比 NSR 等于0时,此时维娜滤波等同于逆滤波。因此可以直接使用matlab自带deconvwnr函数,将第三个参数 NSR 设置成0即可,省事的同学可以试一下。

代码

close all;
clear all;
clc;
% Display the original image.
I = im2double(imread('lena.jpg'));
[hei,wid,~] = size(I);
subplot(2,3,1),imshow(I);
title('Original Image (courtesy of MIT)');


% Simulate a motion blur.
LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
subplot(2,3,2), imshow(blurred); title('Blurred Image');

% Inverse filter
If = fft2(blurred);
Pf = fft2(PSF,hei,wid);
deblurred = ifft2(If./Pf);
subplot(2,3,3), imshow(deblurred); title('Restore Image')

% Simulate additive noise.
noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
                        noise_mean, noise_var);
subplot(2,3,4), imshow(blurred_noisy)
title('Simulate Blur and Noise')

% Try restoration assuming no noise.
If = fft2(blurred_noisy);
deblurred2 = ifft2(If./Pf);
subplot(2,3,5), imshow(deblurred2)
title('Restoration of Blurred Assuming No Noise');

% Try restoration with noise is known.
noisy = blurred_noisy - blurred;
Nf = fft2(noisy);
deblurred2 = ifft2(If./Pf - Nf./Pf);
subplot(2,3,6), imshow(deblurred2)
title('Restoration of Blurred with Noise Is Known')
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43

这里使用了经典的lena图是灰度图像,分别对图像进行运动模糊,逆滤波,运动模糊+高斯噪声,假定噪声未知直接逆滤波,噪声已知逆滤波。

效果

result

说明

逆滤波对噪声非常敏感,除非我们知道噪声的分布情况(事实上,这也很难知道),逆滤波几乎不可用,可以从二排中间看出,恢复图像效果极差。但若知道噪声分布,也是可以完全复原信息的。可以从二排最后一张图可以看出。写作本文的目的也仅是在数学角度上对图像模糊现象进行分析,后续会介绍更加有效的图像复原方法,敬请关注。

相关阅读及参考文献

图像去模糊(维纳滤波) http://blog.csdn.net/bluecol/article/details/46242355 
图像去模糊(约束最小二乘滤波) http://blog.csdn.net/bluecol/article/details/47359421 
数字图像处理(第三版) 冈萨雷斯著 chapter 5,图像复原与重建

转载请保留以下信息

作者 日期 联系方式
风吹夏天 2015年8月8日 wincoder@qq.com

  • 2
    点赞
  • 0
    评论
  • 4
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值