关键词不能为空

当前您在: 主页 > 英语 >

图像降质与复原

作者:高考题库网
来源:https://www.bjmy2z.cn/gaokao
2021-03-01 11:55
tags:

-

2021年3月1日发(作者:9月5号)











题目:


图像降质与复原







学院:


信息工程与自动化学院



专业:



姓名:



学号:



导师


:










图像降质与复原



< br>摘要:


图像复原是一种改善图像质量的处理技术。


该技术 将降质了的图像恢复成


原来的图像,它根据降质过程的先验知识建立“降质模型”,再针 对退化过程,


采取某些技术手段恢复或重建原图像。


图像的降质 因素可分为以下几种:


成像过


程的相对运动、

< br>外界因素的干扰以及噪声等。


运动模糊图像的复原是图像复原中

< br>较常见也是较难的一类,


针对复杂成像情况下的运动模糊图像复原工作,


着重解


决了含噪运动模糊图像的复原问题。


开发 了运动模糊,


逆滤波退化,


加噪退化及


相关复原的系统,该系统能初步有效的降质与复原。



关键字:


图像逆滤波退化与复原


;


运动模糊


;


加噪退化


;


运动 模糊复原


;


维纳滤波复





Abstract:



Image restoration is a processing technology to improve the image quality.


The


technology


will


degrade


the


image


back


into


the


original


image,


A


priori


knowledge of the degraded process to establish a


process, take some of the technical means to restore or rebuild the original image. The


lowering of the image quality factors can be divided into the following: the relative


motion


of


the


imaging


process,


external


factors


of


interference


and


noise


etc.


The


motion blur image restoration is more common and more difficult to image restoration


for a class, Movement


in the case of complex imaging fuzzy image restoration and


focus on solving the problem of containing the noise motion blur image restoration.


Developed


motion


blur,


degradation


of


inverse


filtering,


noise


degradation


and


recovery system, the system the preliminary effectively degraded and recovery.


Keywords


:



Degradation


and


restoration


of


the


image


inverse


filtering;


motion


blur;


adding noise degradation; motion blur restoration; Wiener filtering for restoration




引言



图像是人们获取信息的重要来源 ,


据统计约有


80%


的信息是通过视觉 系统获


取的


[1]


。一幅图像所包含的 信息量和直观性是其它途径如声音、文字所无法比拟


的。同时,图像在生物医学、遥感、 工业生产、军事公安、视频多媒体等领域有


着广泛的不可替代的应用

[2]


。尤其是近三十年来,图像处理成为信号处理研究的


热点和难点。



图像复原是数字图像处理中的一个重要课题。< /p>


它的主要目的是改善给定的图


像质量并尽可能恢复原图像。


图像在形成、


传输和记录过程中,


受多种因素 的影


响,图像的质量都会有不同程度的下降,典型的表现有图像模糊、失真、有噪声


等,


这一质量下降的过程称为图像的退化。


图像复原的目的就是尽可能恢复被退


化图像的本来面目。



在成像系统中,引起图像退化的原因很多。例如


[2]


,成像系统的散焦,成像


设备与物体的相对运动,


成 像器材的固有缺陷以及外部干扰等。


成像目标物体的


运动,


在摄像后所形成的运动模糊。


当人们拍摄照片时,

< br>由于手持照相机的抖动,


结果像片上的景物是一个模糊的图像。由于成像系统的光 散射而导致图像的模


糊。


又如传感器特性的非线性,

< p>
光学系统的像差,


以致在成像后与原来景物发生


了 不一致的现象,称为畸变。再加上多种环境因素,在成像后造成噪声干扰。人


类的视觉系 统对于噪声的敏感程度要高于听觉系统,


在声音传播中的噪声虽然降

低了质量,


但时常是感觉不到的。


但景物图像的噪声即使很 小都很容易被敏锐的


视觉系统所感知。


图像复原的过程就是为了 还原图像的本来面目,


即由退化了的


图像恢复到能够真实反映景 物的图像。



在交通系统、刑事取证中图像的关键信息至关重要 ,但是在交通、公安、银


行、


医学、


工 业监视、


军事侦察和日常生活中常常由于摄像设备的光学系统的失


真、调焦不准或相对运动等造成图像的模糊,使得信息的提取变得困难,因此,


图像复 原技术的应用更加显得迫在眉睫和具有更重要的现实意义。




1.




图像降质(退化)的模型与图像退化处理


产生图像降质的因素很多,如光学系统的象差、成象过程的相对运动、


X

< p>


线的散布特性、各种外界因素的干扰以及噪声等等。


1.1



图像的退化模型



< p>
反映图像退化的原因。图像降质过程的模型


[3]


如图


1


所示,其表达式为




g(x , y)=


h


(x , y)*f (x , y) +


n


(x y)

































1



































































f


(


x


,


y


)



n


(


x


,


y


)

< br>


H




1


图像的退化模型



g

< br>(


x


,


y


)



在仅考虑



H



为线性、空间不变系统的情况。有以下结论:



线性:


H[k1f1 (x, y)+k2f2(x, y)]=k1H [f1 (x, y)]+ k2H[f2 (x, y)]












2




空间移不变:若


:


g(x,y)=H[f


(x,y)]


,


则对任一个



f(x,y)


和常数



a


,


b


,



均有


H[f(x-a , y-b )]=g(x-a , y-b )





































3




即运算结果仅取决于输入值,而与位置


(


时 间


)


无关。



1.2


离散情况下的退化模型




离散情况下的退化模型分为一维离散退化模型与二维离 散退化模型及多维


退化模型,本节主要讨论一维与二维退化模型。



1.2.1



一维离散退化模型:




设离散序列


:


f(n)



定义在


n=0,1,…, N


-1


各点上,


在其它位置


f(n)


=0



h(m)




义在


m=0,1,…, M


-1


各点上,


在其它位置


h(m)


=0



N > M,


则它们的离散卷积为:



g

< p>
(


m


)


?


?


f


(


k

)


h


(


m


?


k


)


?


f< /p>


(


m


)*


h


(


m


)


































4




N


?


1


k


?


0


由此得到的离散序列


g(m)


的长度为


P=


M

< p>


N



1



且可以表示为矩阵形式:




0


...


0


?


?


f


(0)


?


?


g


(0)


?


?


h


(0)









?





g



(1)







?





?



h








h




(0)







0





...









0







?



?





f




(1)






?










(1)


?


?


?


?


?


?



5




?


...


?


?


?


...


...


...


...


. ..


?


?


...


?


?


?


?


?


?


?



?


?


?


?


?


?



?


h


(


P


?


1)


?


?


g


(

P


?


1)


?


?


?


?


?


?


?


f


(


P


?


1)


?


?



为克服混叠,


应当将


f(n)



h(m)


拓展为长度为< /p>



P (P



M



N



1)< /p>



的周期函数,


从而用周期卷积表示,即 :



?


f


(< /p>


n


) 0


?


n


?


N


?


1



f


e


(


m


)


?


?



























6




0


N


?


n


?


P


?

< br>1


?


?


h


(


m


) 0


?

m


?


M


?


1


h


e


(


m< /p>


)


?


?



























7



0


M


?


m


?


P


?


1


?


则其离散周期卷积为:



g

e


(


m


)


?


f


e


(


m< /p>


)


?


h


e


(


m


)


?

< p>
?


f


e


(


k


)


h


e

(


m


?


k


)



















8




k


?


0


P


?


1


1.2.2


二维离散退化模型




设二维离散信号


f(m,n)



0



?



m



?



M-1



0



?



n


?



N- 1



并设退化系统冲击


响应函数



h(m,n)



,


0



?



m


?



J-1



;


0



?



n


?



K-1




同 样对


f(m,n)


,


h(m,n)


拓展为周期


P×Q


的周期序列,

< p>
其中


P



M



J



1

< br>,


Q



N



K



1


即 :



?


f


(< /p>


m


,


n


) 0


?


m


?


M< /p>


?


1&


0


?


n


?


N


?


1


f


e


(


m


,


n


)

< br>?


?















9




0


others



?

?


h


(


m


,


n


) 0


?


m


?


J


?

1&


0


?


n


?


K


?


1


h


e


(


m


,


n


)


?


?














10




0


others



?

g


e


(


m


,


n


)


?


f< /p>


e


(


m


,


n


)


?


h

< p>
e


(


m


,


n


)


?


??

< br>f


e


(


k


,


l


)


h


e


(


m


?


k


,


n


?


l


)





11



< /p>


k


?


0


l


?


0


P


?

< p>
1


Q


?


1


1.3



图像退化处理




取一幅图片,其原图片为图


2


,可从图上看出,图片清晰,轮廓分明。





2


原图



对图像进行如图


1


所示的图像退化处理,


进行逆滤波退化处理。


逆滤波退化


处理主要是对其进行


FFT


变化,然后反变换,变化后的图像如图


3


所示 。






3


逆滤波退化处理



从图中可以看出图片 变模糊。轮廓不分明,逆滤波退化处理成功。



对图像进行如图


1


所示的图像退化处理,


进行加噪退化 处理。


加噪退化处理


主要是对其进行


F FT


变化、


IFFT


变化,最后加上随 机噪声,变化后的图像如图


4


所示。





4


加噪退化处理



4


画面有点模糊,含有杂质(杂质就是噪声引起的)


,画面 相对于图


3



晰度要高一些。



1.4



匀速直线运动模糊图像的退化模型


< br>在所有的运动模糊中,


由匀速直线运动造成的模糊图像


[ 6]


的复原问题更具有


一般性和普遍意义。

因为变速的、


非直线运动在某些条件下可以被分解为分段匀


速直线运动。



将退化的点扩散函数记作


h(x



y)


,在不考虑噪声干扰的 情况下,由目标与


摄像机相对运动造成的图像模糊模型可以用图


5


来描述:





5


匀速直线运动模糊图像的退化模型



其 中,


原始图像


f(x



y)


在图像平面上做匀速直线运动,



x


方向和


y


方向上的


运动变化分量分别为


x


0


(


t


)



y


0


(


t


)


,在快门打开期间


T


内,底片上的像素


(x



y)



总曝光量是图像在运动过程中照到该点的像点亮度作用的总和,


即匀 速直线运动


模糊图像的连续函数模型为:


T


g


(


x


,


y


)


?


?< /p>


f


?


x


?


x


0


(


t

< p>
),


y


?


y


0


(


t


)

< br>?


dt


(


12


)


0


式中


g(x



y)

为模糊后的图像。



如果模糊图像是由景物在


X


方向上作匀速直线运动造成的,则模糊后图像任


意 点的值为:



T


g

(


x


,


y


)


?


?


f


?< /p>


x


?


x


0


(


t


),


y


?


dt


(


13


)


0


式中


x


0


(


t


)


是景物在


X


方向上的运动分量,若图像总的位移量为


a


,总的时间



T


,则运动的速率为


x


0


(


t


)< /p>


=at



T


,则 上式


(


13


)


变为:



g


(


x


,


y


)


?< /p>


?


f


?


x


?


at


/


T


,


y


?


dt

< p>
(


14


)


0


T


以上讨论的是连续图像,对于离散图像来说,对上式进行离散化得:

< br>


g


(


x


,


y


)


?


?


f


(


x


?


i


,


y


)


?


t


(


15


)


i


?


0


L


?


1< /p>


其中


L


为照片上景物移动的像素个数的整 数近似值。


Δt


是每个像素对模糊产


生 影响的时间因子。


由此可知,


运动模糊图像的像素值是原图像相 应像素值与其


时间的乘积的累加。



从 物理现象上看,


运动模糊图像实际上就是同一景物图像经过一系列的距离


延迟后再叠加,


最终形成的图像。


所以,


如果我们要由一幅清晰图像模拟出水平


匀速运动模糊图像,可按下式进行:< /p>



1


L


?


1


g


(


x

< p>
,


y


)


?


?


f


(


x

?


i


,


y


)


?


t


(


16


)


L


i


?


0


也可用卷积的方法模拟出水平方 向匀速运动模糊。其过程可表示为:



g


(


x


,


y


)


?


f


(


x


,


y


)*


h


(


x


,


y

< p>
)


(


17


)


?


1


?


0


?


x


?


L- 1


h


(


x


,< /p>


y


)


?


?


L



(


18


)


?


?


0


其它



其中

< br>h(x



y)


称为模糊算子或点 扩散函数,


*


表示卷积,


f(x



y)


表示原始图像,


g(x



y)


表示观察到的退化图像 。



把原始图像(图


1


)根据上述运动模糊的模型进行模糊得到的图像为图


6






6


运动模糊图像处理




程序是采用运动时间为


10


秒,


总的运动距离为


10


个像素点。


摄像 机的曝光


系数为


0.1.


若图片灰度少 于


0


则补


0


, 图片灰度大于


255


的取


255


替代。



程序核心代码如下:



BOOL WINAPI DIBMotionDegeneration(CDib *pDib)


{


//


指向源图像的指针



BYTE *


lpSrc;


//


图象的宽度和高度



LONG





lWidth;


LONG





lHeight;




//


图像每行的字节数



LONG


lLineBytes;



//


得到图象的宽度和高度



CSize




SizeDim;


SizeDim = pDib->GetDimensions();


lWidth



=


lHeight =



//


得到实际的


Dib


图象存储大小



CSize




SizeRealDim;


SizeRealDim = pDib->GetDibSaveDim();


//


计算图像每行的字节数



lLineBytes =


//


图像数据的指针



LPBYTE



lpDIBBits = pDib->m_lpImage;


//


循环变量



long iColumn;


long jRow;


//


临时变量



int temp,m;


//


临时变量



double p,q;


int nTotTime, nTotLen, nTime;


//


总的运动时间


10s


nTotTime = 10;


//


总的运动距离


10


个象素点



nTotLen = 10;


//


摄像机的暴光系数



double B;


B = 0.1;


//


用来存储源图象和变换核的时域数据



int *nImageDegener;


//


为时域和频域的数组分配空间



nImageDegener = new int [lHeight*lLineBytes];


//


将数据存入时域数组



for (jRow = 0; jRow < lHeight; jRow++)


{



for(iColumn = 0; iColumn < lLineBytes; iColumn++)



{




temp=0;



//


指向源图像倒数第


jRow


行,第


iColumn


个象素的指针




lpSrc = (unsigned char *)lpDIBBits + lLineBytes * jRow + iColumn;




//


象素点的象素值积累





for ( nTime = 0; nTime < nTotTime; nTime++ )




{


-


-


-


-


-


-


-


-



本文更新与2021-03-01 11:55,由作者提供,不代表本网站立场,转载请注明出处:https://www.bjmy2z.cn/gaokao/688048.html

图像降质与复原的相关文章