運(yùn)動模糊圖像復(fù)原 數(shù)字圖像處理

1、目 錄1 緒 論32、 圖像退化與復(fù)原42.1 圖像降質(zhì)的數(shù)學(xué)模型52.2勻速直線運(yùn)動模糊的退化模型62.3點擴(kuò)散函數(shù)的確定72.3.1典型的點擴(kuò)散函數(shù)82.3.2運(yùn)動模糊點擴(kuò)散函數(shù)的離散化83、 運(yùn)動模糊圖象的復(fù)原方法及原理93.1逆濾波復(fù)原原理93.2維納濾波復(fù)原原理104、運(yùn)動模糊圖像復(fù)原的實現(xiàn)124.1 運(yùn)動模糊圖像復(fù)原的實現(xiàn)124.2 復(fù)原結(jié)果比較14實驗小結(jié)15參考文獻(xiàn)16前 言在圖象成像的過程中，圖象系統(tǒng)中存在著許多退化源。一些退化因素只影響一幅圖象中某些個別點的灰度；而另外一些退化因素則可以使一幅圖象中的一個空間區(qū)域變得模糊起來。前者稱為點退化，后者稱為空間退化。圖象復(fù)原的過程

2、無論是理論分析或是數(shù)值計算都有特定的困難。但由于圖象復(fù)原技術(shù)在許多領(lǐng)域的廣泛應(yīng)用，因而己經(jīng)成為迅速興起的研究熱點。圖象復(fù)原就是研究如何從所得的變質(zhì)圖象中復(fù)原出真實圖象，或說是研究如何從獲得的信息中反演出有關(guān)真實目標(biāo)的信息。造成圖象變質(zhì)或者說使圖象模糊的原因很多，如果是因為在攝像時相機(jī)和被攝景物之間有相對運(yùn)動而造成的圖象模糊則稱為運(yùn)動模糊。所得到圖象中的景物往往會模糊不清，我們稱之為運(yùn)動模糊圖象。運(yùn)動模糊圖象在日常生活中普遍存在，給人們的實際生活帶來了很多不便。作為一個實用的圖象復(fù)原系統(tǒng)，就得提供多種復(fù)原算法，使用戶可以根據(jù)情況來選擇最適當(dāng)?shù)乃惴ㄒ缘玫阶詈玫膹?fù)原效果。圖象復(fù)原關(guān)鍵是要知道圖象退化

3、的過程，即要知道圖象退化模型，并據(jù)此采取相反的過程以求得原始(清晰)象。由于圖象中往往伴隨著噪聲，噪聲的存在不僅使圖象質(zhì)量下降，而且也會影響了圖象的復(fù)原效果。從上面論述可以知道，運(yùn)動造成圖象的退化是非常普遍的現(xiàn)象，所以對于退化后的圖象進(jìn)行復(fù)原處理非常具有現(xiàn)實意義。圖象復(fù)原的目的就是根據(jù)圖象退化的先驗知識，找到一種相應(yīng)的反過程方法來處理圖象，從而盡量得到原來圖象的質(zhì)量，以滿足人類視覺系統(tǒng)的要求，以便觀賞、識別或者其他應(yīng)用的需要。1、緒 論數(shù)字圖象處理研究有很大部分是在圖象恢復(fù)方面進(jìn)行的，包括對算法的研究和針對特定問題的圖象處理程序的編寫。數(shù)字圖象處理中很多值得注意的成就就是在這個方面取得的。在圖

4、象成像的過程中，圖象系統(tǒng)中存在著許多退化源。一些退化因素只影響一幅圖象中某些個別點的灰度；而另外一些退化因素則可以使一幅圖象中的一個空間區(qū)域變得模糊起來。前者稱為點退化，后者稱為空間退化。此外還有數(shù)字化、顯示器、時間、彩色，以及化學(xué)作用引起的退化?？傊箞D象發(fā)生退化的原因很多，但這些退化現(xiàn)象都可用卷積來描述，圖象的復(fù)原過程就可以看成是一個反卷積的問題。反卷積屬于數(shù)學(xué)物理問題中的一類“反問題”，反問題的一個共同的重要屬性是其病態(tài)，即其方程的解不是連續(xù)地依賴于觀測數(shù)據(jù)，換句話說，觀測數(shù)據(jù)的微小變動就可能導(dǎo)致解的很大變動。因此，由于采集圖象受噪聲的影響，最后對于圖象的復(fù)原結(jié)果可能偏離真實圖象非常遠(yuǎn)

5、。由于以上的這些特性，圖象復(fù)原的過程無論是理論分析或是數(shù)值計算都有特定的困難。但由于圖象復(fù)原技術(shù)在許多領(lǐng)域的廣泛應(yīng)用，因而己經(jīng)成為迅速興起的研究熱點。 本次實驗主要在PSF對圖像進(jìn)行運(yùn)動模糊退化處理的基礎(chǔ)上，采用逆濾波、維納濾波和最小二乘濾波來實現(xiàn)圖像的復(fù)原。2、圖像退化與復(fù)原數(shù)字圖像在獲取的過程中，由于光學(xué)系統(tǒng)的像差、 光學(xué)成像衍射、 成像系統(tǒng)的非線性畸變、 攝影膠片的感光的非線性、 成像過程的相對運(yùn)動、 大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因， 圖像會產(chǎn)生一定程度的退化。因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來面目， 這就是圖像復(fù)原， 也稱為圖像恢復(fù)。圖像復(fù)原與

6、圖像增強(qiáng)有類似的地方， 都是為了改善圖像。但是它們又有著明顯的不同。圖像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因， 分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型， 并沿著使圖 像降質(zhì)的逆過程恢復(fù)圖像。從圖像質(zhì)量評價的角度來看， 圖像 復(fù)原就是提高圖像的可理解性。而圖像增強(qiáng)的目的是提高視感 質(zhì)量，圖像增強(qiáng)的過程基本上是一個探索的過程， 它利用人的心理狀態(tài)和視覺系統(tǒng)去控制圖像質(zhì)量， 直到人們的視覺系統(tǒng)滿意為止。圖像復(fù)原是利用退化現(xiàn)象的某種先驗知識，建立退化現(xiàn)象的數(shù)學(xué)模型，再根據(jù)模型進(jìn)行反向的推演運(yùn)算，以恢復(fù)原來的景物圖像。因而，圖像復(fù)原可以理解為圖像降質(zhì)過程的反向

7、過程。建立圖像復(fù)原的反向過程的數(shù)學(xué)模型，就是圖像復(fù)原的主 要任務(wù)。經(jīng)過反向過程的數(shù)學(xué)模型的運(yùn)算，要想恢復(fù)全真的景物圖像比較困難。所以， 圖像復(fù)原本身往往需要有一個質(zhì)量標(biāo) 準(zhǔn)， 即衡量接近全真景物圖像的程度，或者說，對原圖像的估 計是否到達(dá)最佳的程度。 由于引起退化的因素眾多而且性質(zhì)不同，為了描述圖像退化過程所建立的數(shù)學(xué)模型往往多種多樣，而恢復(fù)的質(zhì)量標(biāo)準(zhǔn)也往往存在差異性，因此圖像復(fù)原是一個復(fù)雜的數(shù)學(xué)過程，圖像復(fù)原的方法、技術(shù)也各不相同。2.1 圖像降質(zhì)的數(shù)學(xué)模型圖像復(fù)原處理的關(guān)鍵問題在于建立退化模型。輸入圖像f(x, y)經(jīng)過某個退化系統(tǒng)后輸出的是一幅退化的圖像。為了討論方便， 把噪聲引起的退化

8、即噪聲對圖像的影響一般作為加性噪聲 考慮， 這也與許多實際應(yīng)用情況一致，如圖像數(shù)字化時的量化 噪聲、 隨機(jī)噪聲等就可以作為加性噪聲，即使不是加性噪聲而 是乘性噪聲， 也可以用對數(shù)方式將其轉(zhuǎn)化為相加形式。原始圖像f(x, y) 經(jīng)過一個退化算子或退化系統(tǒng)H(x, y) 的作用， 再和噪聲n(x,y)進(jìn)行疊加，形成退化后的圖像g(x, y)。圖2-1表示退化過程的輸入和輸出的關(guān)系，其中H(x, y)概括了退化系統(tǒng)的物理過程，就是所要尋找的退化數(shù)學(xué)模型。圖2-1 圖像的退化模型數(shù)字圖像的圖像恢復(fù)問題可看作是： 根據(jù)退化圖像g(x , y)和退化算子H(x , y)的形式，沿著反向過程去求解原始圖像f

9、(x , y)， 或者說是逆向地尋找原始圖像的最佳近似估計。圖像退化的過程可以用數(shù)學(xué)表達(dá)式寫成如下的形式： g(x, y)=Hf(x, y)+n(x, y) (2-1)在這里，n(x, y)是一種統(tǒng)計性質(zhì)的信息。在實際應(yīng)用中， 往往假設(shè)噪聲是白噪聲，即它的頻譜密度為常數(shù)，并且與圖像不相關(guān)。在圖像復(fù)原處理中， 盡管非線性、 時變和空間變化的系統(tǒng)模型更具有普遍性和準(zhǔn)確性，更與復(fù)雜的退化環(huán)境相接近，但它給實際處理工作帶來了巨大的困難， 常常找不到解或者很難用計算機(jī)來處理。因此，在圖像復(fù)原處理中， 往往用線性系統(tǒng)和空間不變系統(tǒng)模型來加以近似。這種近似的優(yōu)點使得線性系統(tǒng)中的許多理論可直接用于解決圖像復(fù)原

10、問題，同時又不失可用性。2.2勻速直線運(yùn)動模糊的退化模型在所有的運(yùn)動模糊中，由勻速直線運(yùn)動造成圖象模糊的復(fù)原問題更具有一般性和普遍意義。因為變速的、非直線運(yùn)動在某些條件下可以被分解為分段勻速直線運(yùn)動。本節(jié)只討論由水平勻速直線運(yùn)動而產(chǎn)生的運(yùn)動模糊。假設(shè)圖象有一個平面運(yùn)動，令和分別為在x和y方向上運(yùn)動的變化分量，T表示運(yùn)動的時間。記錄介質(zhì)的總曝光量是在快門打開后到關(guān)閉這段時間的積分。則模糊后的圖象為： （2-2）式中g(shù)(x,y)為模糊后的圖象。以上就是由于目標(biāo)與攝像機(jī)相對運(yùn)動造成的圖象模糊的連續(xù)函數(shù)模型。如果模糊圖象是由景物在x方向上作勻速直線運(yùn)動造成的，則模糊后圖象任意點的值為： （2-3）式中

11、是景物在x方向上的運(yùn)動分量，若圖象總的位移量為a，總的時間為T，則運(yùn)動的速率為=at/T。則上式變?yōu)椋?（2-4）以上討論的是連續(xù)圖象，對于離散圖象來說，對上式進(jìn)行離散化得： （2-5）其中L為照片上景物移動的像素個數(shù)的整數(shù)近似值。是每個像素對模糊產(chǎn)生影響的時間因子。由此可知，運(yùn)動模糊圖象的像素值是原圖象相應(yīng)像素值與其時間的乘積的累加。從物理現(xiàn)象上看，運(yùn)動模糊圖象實際上就是同一景物圖象經(jīng)過一系列的距離延遲后再疊加，最終形成的圖象。如果要由一幅清晰圖象模擬出水平勻速運(yùn)動模糊圖象，可按下式進(jìn)行： （2-6）這樣可以理解此運(yùn)動模糊與時間無關(guān)，而只與運(yùn)動模糊的距離有關(guān)，在這種條件下，使實驗得到簡化。因

12、為對一幅實際的運(yùn)動模糊圖象，由于攝像機(jī)不同，很難知道其曝光時間和景物運(yùn)動速度。我們也可用卷積的方法模擬出水平方向勻速運(yùn)動模糊。其過程可表示為： (2-7)其中 (2-8)h(x,y)稱為模糊算子或點擴(kuò)散函數(shù)，“*”表示卷積，表示原始(清晰)圖象，表示觀察到的退化圖象。如果考慮噪聲的影響，運(yùn)動模糊圖象的退化模型可以描述為一個退化函數(shù)和一個加性噪聲項，處理一幅輸入圖象產(chǎn)生一幅退化圖象。 (2-9)由于空間域的卷積等同于頻率域的乘積，所以式(2-9)的頻率域描述為： (2-10)式(2-9)中的大寫字母項是式(2-10)中相應(yīng)項的傅里葉變換。2.3點擴(kuò)散函數(shù)的確定不同的點擴(kuò)散函數(shù)（PSF）會產(chǎn)生不同

13、的模糊圖象。明確的知道退化函數(shù)是很有用的，有關(guān)它的知識越精確，則復(fù)原結(jié)果就越好。首先討論幾個典型的點擴(kuò)散函數(shù)。2.3.1典型的點擴(kuò)散函數(shù)運(yùn)動模糊的點擴(kuò)散函數(shù)：假設(shè)圖象是通過一個具有機(jī)械快門的攝像機(jī)獲得的。攝像機(jī)和拍攝物體在快門打開期間T的相對運(yùn)動引起物體在圖象中的平滑。假設(shè)V是沿x軸方向的衡常速度，時間T內(nèi)PSF的傅里葉變換H(u,v)由下式給出： (2-11)離焦模糊的點擴(kuò)散函數(shù)：由于焦距不當(dāng)導(dǎo)致的圖象模糊可以用如下函數(shù)表示： (2-12)其中是一階Bessel函數(shù)，a是位移。該模型不具有空間不變性。大氣擾動的點擴(kuò)散函數(shù)：大氣的擾動造成的圖象模糊在遙感和天文中是需要復(fù)原的。它是由大氣的不均勻

14、性使穿過的光線偏離引起的，以下給出了數(shù)學(xué)模型，其表達(dá)式為： (2-13)其中c是一個依賴擾動類型的變量，通常通過實驗來確定。冪5/6有時用1代替。當(dāng)我們得到一幅退化圖象的時候，首先要判斷其退化類型然后通過已知的先驗知識進(jìn)行恢復(fù)。以下的討論主要針對運(yùn)動模糊PSF進(jìn)行。2.3.2運(yùn)動模糊點擴(kuò)散函數(shù)的離散化對于運(yùn)動模糊而言，根據(jù)相機(jī)與目標(biāo)的相對運(yùn)動速度，相機(jī)的焦距以及相機(jī)相對目標(biāo)的距離等就可以計算出PSF。例如通過計算得到一幅模糊圖片的模糊方向是x=6,y=4，連續(xù)的PSF為見圖2.2(a)。根據(jù)式(2-14)和式(2-15)，可以得到離散化以后的PSF如圖2.2(b)?？梢钥吹接捎陔x散化的原因PS

15、F并非是直線。在本文中的PSF均由此方法獲得。 (2-14) (2-15)n：y方向的模糊點數(shù)；m：x方向的模糊點數(shù)。當(dāng)n>=m的時候用式(2-14)計算當(dāng)n<m的時候用式(2-15)計算。為取整符號。3、 運(yùn)動模糊圖象的復(fù)原方法及原理為了抑制退化而利用有關(guān)退化性質(zhì)知識的預(yù)處理方法為圖象復(fù)原。多數(shù)圖象復(fù)原方法是基于整幅圖象上的全局性卷積法。圖象的退化可能有多種原因：光學(xué)透鏡的殘次、光電傳感器的非線性、膠片材料的顆粒度、物體與攝像機(jī)間的相對運(yùn)動、不當(dāng)?shù)慕咕唷⑦b感或天文中大氣的擾動、照片的掃描等等。圖象復(fù)原的目標(biāo)是從退化圖象中重構(gòu)出原始圖象。運(yùn)動模糊圖象的恢復(fù)是圖象復(fù)原的主要分支之一，

16、它的恢復(fù)算法有很多種。有些算法雖然有很好的恢復(fù)效果，但算法復(fù)雜，恢復(fù)時間比較長（如最大熵法）。有些算法雖然計算速度較快，但恢復(fù)效果不盡人意（如空間域逆向恢復(fù)）。下面介紹逆濾波、維納濾波和有約束最小二乘濾波三種恢復(fù)方法的原理。3.1逆濾波復(fù)原原理在六十年代中期，逆濾波（去卷積）開始被廣泛地應(yīng)用于數(shù)字圖象復(fù)原。Nathan用二維去卷積方法來處理由漫游者、探索者等外星探索發(fā)射得到的圖象。由于和噪聲相比，信號的頻譜隨著頻率升高下降較快，因此高頻部分主要是噪聲。Nathan采用的是限定逆濾波傳遞函數(shù)最大值的方法。在同一時期，Harris采用PSF的解析模型對望遠(yuǎn)鏡圖象總由于大氣擾動造成的模糊進(jìn)行了逆濾波

17、處理，Mcglamery則采用由實驗確定的PSF來對大氣擾動圖象進(jìn)行逆濾波。從此以后，逆濾波就成了模糊圖象復(fù)原的一種標(biāo)準(zhǔn)技術(shù)。恢復(fù)退化圖象最簡單的方法是直接逆濾波。在該方法中，用退化函數(shù)除退化圖象的傅里葉變換F(u,v)來計算原始圖象的傅里葉變換估計，由式3-1可以得到逆濾波退化公式： （3-1）這個公式說明逆濾波對于沒有被噪聲污染的圖象很有效，這里不考慮在u，v空間的某些位置上當(dāng)H(u,v)接近0時可能遇到的計算問題，幸運(yùn)的是忽略這些點在恢復(fù)結(jié)果中并不會產(chǎn)生可感覺到的影響。但是，如果出現(xiàn)噪聲就會引起幾個問題：第一，對于H(u,v)幅值比較小的頻率處噪聲的影響可能變得顯著起來。這種狀況通常對于

18、高頻u，v。在實際中，通常H(u,v)幅值衰減得比N(u,v)快得多，因此噪聲的影響可能支配整個復(fù)原結(jié)果。將復(fù)原限定在H(u,v)足夠大得u，v原點處得一個小鄰域中，可以克服這個問題。第二個問題針對噪聲本身的頻譜，我們通常沒有充分的有關(guān)噪聲的信息來足夠好地確定N(u,v)。為了克服H(u,v)接近0所引起的問題，在分母中加入一個小的常數(shù)k，將式(3-1)修改為： （3-2）3.2維納濾波復(fù)原原理在大部分圖象中，鄰近的像素是高度相關(guān)的，而距離較遠(yuǎn)的像素其相關(guān)性較弱。由此，我們可以認(rèn)為典型圖象的自相關(guān)函數(shù)通常隨著與原點的距離增加下降。由于圖象的功率譜是圖象本身自相關(guān)函數(shù)的傅里葉變換，我們可以認(rèn)為的

19、功率譜隨著頻域的升高而下降。一般地，噪聲源往往具有平坦的功率譜，即使不是如此，其隨著頻率的升而下降的趨勢也要比典型圖象的功率譜慢得多。因此，可以料想功率譜的低頻分以信號為主，然而高頻部分則主要被噪聲所占據(jù)。由于逆濾波濾波器的幅值常隨著頻率的升高而升高，因此會增強(qiáng)高頻部分的噪聲。為了克服以上缺點，出了采用最小均方誤差的方法（維納濾波）進(jìn)行模糊圖象恢復(fù)。維納(wiener)濾波可以歸于反卷積(或反轉(zhuǎn)濾波)算法一類，它是由Wiener首提出的，并應(yīng)用于一維信號，并取得很好的效果。以后算法又被引入二維信號理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原領(lǐng)域，由于維納濾波器的復(fù)原效良好，計算量較低，并且抗噪性能

20、優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣泛的應(yīng)用并不斷得到改進(jìn)發(fā)展，許多高效的復(fù)原算法都是以此為基礎(chǔ)形成的。如果取 (3-3)和分別是圖象和噪聲的自相關(guān)矩陣。即，并且都是正定對稱矩陣，則有 (3-4)的模方最小，實際上就意味著使噪聲和信號的比對復(fù)原圖象影響最小。因為圖象和噪聲的相關(guān)矩陣都是把圖象當(dāng)作隨機(jī)過程來研究，從而描述其統(tǒng)計特性的量，在這里最小二乘方的最佳已經(jīng)演變成均方誤差最小準(zhǔn)則下的最佳。同樣根據(jù)式(3-4)可求得頻域維納濾波公式如下 (3-5)=1時，為標(biāo)準(zhǔn)維納濾波器；1時，為含參維納濾波器。若沒有噪聲時即=0,維納濾波器則退化成理想反濾波器。實際應(yīng)用中必須調(diào)節(jié)以滿足式(3-4)。因為,實際很

21、難求得因此，可以用一個比值k代替兩者之比，從而得到簡化的維納濾波公式 (3-6)4、運(yùn)動模糊圖像復(fù)原的實現(xiàn)數(shù)字圖像在獲取的過程中，由于光學(xué)系統(tǒng)的像差、光學(xué)成像衍射、成像系統(tǒng)的非線性畸變、攝影膠片的感光的非線性、成像過程的相對運(yùn)動、大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因，圖像會產(chǎn)生一定程度的退化.因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來面目，這就是圖像復(fù)原，也稱為圖像恢復(fù)。圖像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖像降質(zhì)的逆過程恢復(fù)圖像。前面講述的兩種運(yùn)動模糊圖像復(fù)原方法均可

22、在VC+環(huán)境下實現(xiàn)，下面將對每一種方法進(jìn)行舉例。4.1 運(yùn)動模糊圖像復(fù)原的實現(xiàn)4.1.1、逆濾波法的VC+6.0實現(xiàn)代碼如下：void CImageProcessingView:OnRestoreInverse() / 圖象的逆濾波/ 更改光標(biāo)形狀BeginWaitCursor();/ 獲取文檔CImageProcessingDoc* pDoc = GetDocument();/ 獲得圖象CDib類的指針CDib * pDib = pDoc->m_pDibInit;/ 獲得圖象的頭文件信息LPBITMAPINFOHEADER lpBMIH=pDib->m_lpBMIH;/ 判斷是否

23、是8-bpp位圖（這里為了方便，只處理8-bpp位圖的逆濾波）if (lpBMIH->biBitCount != 8)/ 提示用戶MessageBox("目前只支持256色位圖的逆濾波！", "系統(tǒng)提示" ,MB_ICONINFORMATION | MB_OK);/ 返回return;:DIBInverseFilter(pDib);/ 設(shè)置臟標(biāo)記pDoc->SetModifiedFlag(TRUE);/ 更新視圖pDoc->UpdateAllViews(NULL); / 恢復(fù)光標(biāo)EndWaitCursor();4.1.2、維納濾波的VC

24、+6.0實現(xiàn)代碼如下：void CImageProcessingView:OnRestoreWinner() / 圖象的維納濾波/ 更改光標(biāo)形狀BeginWaitCursor();/ 獲取文檔CImageProcessingDoc* pDoc = GetDocument();/ 獲得圖象CDib類的指針CDib * pDib = pDoc->m_pDibInit;/ 獲得圖象的頭文件信息LPBITMAPINFOHEADER lpBMIH=pDib->m_lpBMIH;/ 判斷是否是8-bpp位圖（這里為了方便，只處理8-bpp位圖的維納濾波）if (lpBMIH->biBit

25、Count != 8)/ 提示用戶MessageBox("目前只支持256色位圖的維納濾波！", "系統(tǒng)提示" ,MB_ICONINFORMATION | MB_OK);/ 返回return;:DIBWinnerFilter(pDib);/ 設(shè)置臟標(biāo)記pDoc->SetModifiedFlag(TRUE);/ 更新視圖pDoc->UpdateAllViews(NULL); / 恢復(fù)光標(biāo)EndWaitCursor(); 4.2 復(fù)原結(jié)果比較4.2.1、逆濾波前后比較從恢復(fù)的圖像來看，效果還是可以的。逆濾波對于沒有被噪聲污染的圖像很有效，但是實際應(yīng)用中，噪聲通常無法計算，因此通常忽略加性噪聲，而當(dāng)噪聲存在時，該算法就對噪聲有放大作用