海南大學(xué)數(shù)字圖像處理實驗

1、實驗五、圖象復(fù)原一、 實驗?zāi)康? 了解圖象退化的幾種原因；2 掌握對相應(yīng)退化原因的復(fù)原方法。二、實驗內(nèi)容1 使用函數(shù)fspecial( )和imfilter( )模擬產(chǎn)生退化圖象；2 對于不同的噪聲引起圖像的退化，采用不同的濾波方法復(fù)原圖象。3 學(xué)會使用維納濾波器deconvwnr()函數(shù)對圖像進(jìn)行復(fù)原的方法。三、實驗步驟1 加性噪聲退化圖象用 imnoise( )函數(shù)給圖象加噪聲，如增加高斯白噪聲。使用平滑濾波器對其進(jìn)行濾波，可達(dá)到復(fù)原圖像的效果x=imread(cameraman.tif);x=imnoise(x,gaussian)imshow(x)加噪聲后圖象h=fspecial(ave

2、rage)y=imfilter(x,h);figureimshow(y) 平滑濾波后2、周期噪聲退化圖像對于周期噪聲可以通過頻域濾波來減弱或消除，實現(xiàn)復(fù)原圖像。實驗五文件夾中有被正弦周期噪聲污染退化的圖像pout_g_64.bmp，使用理想帶阻濾波器對其頻域濾波，復(fù)原圖像。 (1) pout_g_64.bmp圖像及其傅立葉譜見下圖。(2) 構(gòu)造理想帶阻濾波器close allx=imread(pout_g_64.bmp);xm=size(x,1); xn=size(x,2);M2=floor(xm/2); N2=floor(xn/2);u=-M2:1:M2-1; v=-N2:1:N2-1; U

3、,V=meshgrid(u,v);D=sqrt(U.2+V.2); D0=64;W=4;H=double(D(D0+W/2);figureMesh(U,V,H) ; title(D0=64,W=4,理想帶阻濾波器)思考： 使用上述理想帶阻濾波器對pout_g_64.bmp圖像進(jìn)行頻域濾波，得到復(fù)原圖像，結(jié)果類似下圖。代碼如下：close allx=imread(pout_g_64.bmp);xm=size(x,1); xn=size(x,2);M2=floor(xm/2); N2=floor(xn/2);u=-M2:1:M2-1; v=-N2:1:N2-1; U,V=meshgrid(u,v)

4、;D=sqrt(U.2+V.2); D0=64;W=4;H=double(D(D0+W/2);figureMesh(U,V,H) ; title(D0=64,W=4,理想帶阻濾波器)F=fft2(x); G=H.*fftshift(F); %需要中心平移 g=ifft2(ifftshift(G); %反中心平移figure % tu 2 subplot(121); imshow(real(G); title(頻域濾波) subplot(122); imshow(uint8(real(g); title(濾波后圖象)3、運(yùn)動模糊退化圖像 給圖像添加運(yùn)動模糊，使用deconvwnr（）維納濾波器進(jìn)

5、行圖像復(fù)原。close allI=imread(cameraman.tif);imshow(I)title(original image)len=31; theta=10;PSF=fspecial(motion,len,theta); % len模糊長度，theta運(yùn)動角度Iblurred=imfilter(I,PSF,circular,conv); %對圖像進(jìn)行運(yùn)動模糊figureimshow(Iblurred)title(blurred image) 原始圖象 添加運(yùn)動模糊后圖象Irestored=deconvwnr(Iblurred,PSF);%使用維納濾波器復(fù)原圖像figureimsh

6、ow(Irestored)title(retored image)使用維納濾波器復(fù)原后圖像思考：修改deconvwnr()函數(shù)的參數(shù)PSF，使len和theta分別為原來的2倍，觀察結(jié)果，體會真實PSF在圖像復(fù)原中的重要性。PSF1=fspecial(motion,2*len,theta)，PSF2=fspecial(motion,len,2*theta) 代碼如下：lose allI=imread(cameraman.tif);imshow(I)title(original image)len=31; theta=10;PSF1=fspecial(motion,2*len,theta);PS

7、F2=fspecial(motion,len,theta*2);% len模糊長度，theta運(yùn)動角度Iblurred=imfilter(I,PSF,circular,conv); %對圖像進(jìn)行運(yùn)動模糊figureimshow(Iblurred)title(blurred image)Irestored=deconvwnr(Iblurred,PSF1);%使用維納濾波器復(fù)原圖像figureimshow(Irestored)title(retored by 2*len)Irestored=deconvwnr(Iblurred,PSF2);%使用維納濾波器復(fù)原圖像figureimshow(Ires

8、tored)title(retored by theta*2) 4、模擬模糊和噪聲：模擬實時圖像可能出現(xiàn)的模糊（即由于攝像頭運(yùn)動或者缺乏聚集而產(chǎn)生的模糊）和噪聲（即隨機(jī)分布噪聲）。使用維納濾波器復(fù)原圖像，即使用deconvwnr()函數(shù)復(fù)原。（1）只使用點擴(kuò)散函數(shù)PSF參數(shù)復(fù)原圖像。deconvwnr ( BlurredNoisy , PSF)%- 使用高斯模板模糊圖像-close allI=imread(cameraman.tif);figureimshow(I)title(original image)PSF=fspecial(gaussian,11,5);blurredI=imfilte

9、r(I,PSF); %模糊圖像figureimshow(blurredI)title(blurred image)%-產(chǎn)生噪聲，并加噪聲到已模糊的圖像-%-使用randn()函數(shù)產(chǎn)生隨機(jī)數(shù)據(jù)-noise=0.2*randn(size(I);%同圖像大小一致blurredInoisy=imadd(blurredI,im2uint8(noise);%噪聲添加到圖像figureimshow(blurredInoisy)title(blurred & noise image)%-使用維納濾波復(fù)原圖像-wnrI1=deconvwnr(blurredInoisy,PSF);%噪聲被放大了figureims

10、how(wnrI1)title(restored with PSF)（2）使用信噪比NSR參數(shù)復(fù)原圖像。deconvwnr ( BlurredNoisy , PSF , NSR)I是輸入圖像，noise是randn()函數(shù)產(chǎn)生的隨機(jī)噪聲，下面的公式用于計算信噪比：NSR=sum(noise(:).2)/sum(im2double(I(:).2);%計算信噪比代碼如下：close allI=imread(cameraman.tif);figuresubplot(221)imshow(I)title(original image)PSF=fspecial(gaussian,11,5);blurre

11、dI=imfilter(I,PSF); %模糊圖像figuresubplot(222)imshow(blurredI)title(blurred image)%-產(chǎn)生噪聲，并加噪聲到已模糊的圖像-%-使用randn()函數(shù)產(chǎn)生隨機(jī)數(shù)據(jù)-noise=0.2*randn(size(I);%同圖像大小一致blurredInoisy=imadd(blurredI,im2uint8(noise);%噪聲添加到圖像NSR=sum(noise(:).2)/sum(im2double(I(:).2);figuresubplot(223)imshow(blurredInoisy)title(blurred &

12、noise image)%-使用維納濾波復(fù)原圖像-wnrI1=deconvwnr ( BlurredNoisy , PSF , NSR)%噪聲被放大了figuresubplot(224)imshow(wnrI1)title(restored with PSF，NSR)運(yùn)行結(jié)果如上圖思考：使用deconvwnr ( BlurredNoisy , PSF , NSR)維納濾波器對上述被模糊和噪聲退化的圖像進(jìn)行復(fù)原。結(jié)果類似下圖。代碼如下：wnrI1=deconvwnr ( BlurredNoisy , PSF , NSR)%噪聲被放大了figuresubplot(224)imshow(wnrI1)

13、title(restored with PSF，NSR)運(yùn)行結(jié)果： (3) 使用自相關(guān)函數(shù)改善圖像復(fù)原的效果。deconvwnr( BlurredNoisy , PSF , NCORR , ICORR)NCORR：噪聲的自相關(guān)函數(shù)NP = abs(fft2(noise).2; % 噪聲的功率譜NCORR = fftshift(real(ifft2(NP); % 噪聲的自相關(guān)函數(shù)ICORR：圖像自相關(guān)函數(shù)IP = abs(fft2(im2double(I).2; % 圖像的功率譜ICORR = fftshift(real(ifft2(IP); % 圖像的自相關(guān)函數(shù)代碼如下：close allI=

14、imread(cameraman.tif);subplot(221)imshow(I)title(original image)PSF=fspecial(gaussian,11,5);blurredI=imfilter(I,PSF); subplot(222)imshow(blurredI)title(blurred image)noise=0.2*randn(size(I);blurredInoisy=imadd(blurredI,im2uint8(noise);NP = abs(fft2(noise).2; NCORR = fftshift(real(ifft2(NP); IP = abs(fft2(im2double(I).2; ICORR = fftshift(real(ifft2(IP); subplot(223)imshow(blurredInoisy)title(blurred & noise image)wnrI1=deconvwnr( blurredInoisy , PSF , NCORR , ICORR)subplot(224)imshow(wnrI1)title(restored with