数字图像处理笔记—图像复原
Posted 猫得蟹
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数字图像处理笔记—图像复原相关的知识，希望对你有一定的参考价值。
数字图像处理笔记—图像复原（一）
0 概述
定义：图像复原，即利用退化现象的某些先验知识来重建或复原被退化的图像。
与图像增强的区别：图像增强是一个主观的过程，即突出所关心的内容，满足人的视觉系统；图像复原是一个客观的过程，它的最终目的是改善给定的图像，即恢复退化图像的本来面目，忠实于原始图像。
1 图像退化/复原过程模型
空间域：
g(x,y)=h(x,y)*f(x,y)+η(x,y)
频域：
G(u,v)=H(u,v)F(u,v)+N(u,v)
2 噪声模型
2.1 噪声来源
主要来源于图像的获取和传输过程。例如，CCD摄像机获取图像，光照程度和传感器温度是生成图像中产生大量噪声的主要因素；传输过程受所用传输信道的噪声干扰。
2.2 一些重要的噪声概率密度函数（PDF）
- 高斯噪声
概率密度函数： p(z)=12π√σe−（z−μ)2/2σ2
均值： μ
方差： σ2
曲线：
- 瑞利噪声
概率密度函数：
p(z)=2b(z−a)e−(z−a)2/b,0,z≥az<a
均值： μ=a+πb−−√/4
方差： σ2=b(4−π)4
曲线：
3.伽马（爱尔兰）噪声
p(z)=⎧⎩⎨abz(b−1)(b−1)!e−az,0,z≥0z<0
均值：
μ=ba
方差：
σ2=ba2
曲线：
注意：只有当分母是
Γ(b)
时，才是伽马噪声，如表达式中的，该密度近似称为爱尔兰密度
4. 指数分布噪声
概率密度函数：
p(z)=ae−az,0,z≥0z<0
均值：
μ=1a
方差：
σ2=1a2
曲线：
5. 均匀噪声
概率密度函数：
p(z)=1b−a,0,a≤z≤b其他
均值：
μ=a+b2
方差：
图像复原MATLAB实现