导图社区 图像复原
图像复原知识图谱,包括图像退化复原过程的模型、几何失真复原、个人收获、图像复原的滤波法等内容,有需要的同学,可以收藏下哟。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
图像复原
图像退化/复原过程的模型
如果我们对退化的类型、机制和过程都十分清楚,那么就可以利用 其反过程来复原图像
图像退化
图像的质量变坏叫做退化
形式有图像模糊、图像有干扰等
光学、光电或电子方法获得的图像都会有不同程度的退化
退化形式多种多样
一般过程
子主题
g(x, y) = H[ f (x, y)] + n(x, y)
与图像增强的联系、区别
都是为了改善图象视觉效果;
1.图象增强方法更偏向主观判断,而图象复原则是根据图象畸 变或退化原因,进行模型化处理;2.评价标准不同:a)突出感兴趣的那部分-主观评估,b)利用退化的逆过程恢复原始图像,-客观评估: 接近原图像
图像恢复处理的关键问题在于建立退化模型
将降质了的图像恢复成原来的图像,针对引起图像 退化原因,以及降质过程某先验知识,建立退化模型,再针对 降质过程采取相反的方法,恢复图像。
模型建立
技术(无约束、有约束)
策略(自动方法、交互方法/是否需要外来干预)
处理域(空域、频域)
图像一般模型:是线性移不变系统
标准:非线性恢复、线性恢复
一些系统
线性移不变系统
为求解多个激励情况下的输出响应带来很大方便
时不变系统(非时变系统)、为时变系统
一个系统的参数不随时间变化
移不变系统
在图像复原处理中,往往用线性和空间不变性的系统模型加以近似
几何失真复原
数字图像在获取过程中,由于成像系统的非线性,成像后的图像与原景物 图像相比,会产生比例失调,甚至扭曲,这类图像退化现象称之为几何畸变
通常是先确定一幅 图像为基准,然后去校正另一幅图像的几何形状
空间几何坐标变换
用“连接点”表达像素的空间重定位, 这些点是像素的子集,它们在输入(失真的)和输出(校正的)图像中的 位置是精确已知的
两步:一是图像空间坐标的变换——空间变换; 二是重新确定在校正空间各像素点的取值——灰度级插值
空间变换:防止图象内容支离破碎(弄断直线)
灰度插值:目标图象会要求到原图象的非整数点
图像经几何位置校正后,在校正空间中各像点的灰度值等于被校正图像对应点的灰度值
最近邻点法是取与像素点相邻的4个点中距离最近的邻点灰度值作为该点的灰度值
双线性内插法
个人收获
1.什么是失真与复原
2.图像复原的方式与对应的失真问题、复原手段
图像复原的滤波法
寻找滤波传递函数,通过频域图像滤波得到复原图像的傅立叶变换,再求反变换,得到复原图像
空间滤波
均值、统计、自适应
非约束复原
使准则函数 L( f^ )=|| g- Hf^||^2最小
由于传递函数存在病态问题,复原只能局限在靠近原点的有限区域内进行
代数复原方法的中心是寻找一个估计,使事先确定的某种优化准则为最小
最小二乘
逆滤波复原
逆滤波的病态问题
H(u,v)等于零或非常小的数值点上,F将变成无穷大或非常大的数
当退化图像的噪声较小,即轻度降质时,采用逆滤波复原的方法可以获得较好的结果
运动模糊图象的逆滤波复原
H(u,v) 为运动模糊的传递函数
其他退化函数的估计
退化的原因为已知
根据导致模糊的物理过程
大气喘流造成的传递函数 PSF
光学系统散焦传递函数
均匀聚焦不准----模糊
有约束复原
维纳滤波Wiener
假定图像信号可近似看作平稳随机过程的前 提下
满足这一要求的转移函数
1)H(u,v)=0,无病态现象,分母不为0 2)SNR高时,同逆滤波器 3)SNR低时,效果不满意。
约束最小平方滤波图像复原
以函数平滑为基础
1)使函数的二阶导数为最小
2)用内积来考察函数f的平滑性
非线性约束还原
最大后验恢复
最大熵恢复