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
