實(shí)驗(yàn)五圖像復(fù)原

1、 信息工程學(xué)院實(shí)驗(yàn)報(bào)告成 績(jī)：指導(dǎo)老師(簽名)：課程名稱：數(shù)字圖像處理 實(shí)驗(yàn)項(xiàng)目名稱：實(shí)驗(yàn)五 圖像復(fù)原 實(shí)驗(yàn)時(shí)間：2016.12.02 班級(jí)： 姓名： 學(xué)號(hào)： 一、實(shí)驗(yàn)?zāi)康?.了解圖像退化/復(fù)原處理的模型； 2. 掌握?qǐng)D像復(fù)原的原理及實(shí)現(xiàn)方法；3. 通過(guò)本實(shí)驗(yàn)掌握利用MATLAB編程實(shí)現(xiàn)圖像的恢復(fù)。4. 掌握matlab代碼的調(diào)試方法，熟悉常見代碼錯(cuò)誤及改正方法。二、實(shí)驗(yàn)步驟及結(jié)果分析MATLAB圖像處理工具箱包含四個(gè)圖像復(fù)原函數(shù)，請(qǐng)參照教材第126頁(yè)例6.8編程實(shí)現(xiàn)圖像復(fù)原。1用點(diǎn)擴(kuò)散(PSF)函數(shù)創(chuàng)建運(yùn)動(dòng)模糊圖像,修改參數(shù)改變模糊程度。a) 無(wú)噪聲運(yùn)動(dòng)模糊圖像b) 有噪聲運(yùn)動(dòng)模糊圖像程序代

2、碼：第 8 頁(yè) 共 8 頁(yè)I=imread('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,);%顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理subplot(1,3,2);imshow(Blurred,);title('無(wú)噪聲運(yùn)動(dòng)模糊圖像'); %顯示無(wú)

3、噪聲運(yùn)動(dòng)模糊圖像Noise=0.05*randn(size(I); %正態(tài)分布的隨機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的圖像附加噪聲subplot(1,3,3);imshow(BlurredNoisy,);title('有噪聲運(yùn)動(dòng)模糊圖像'); %顯示運(yùn)動(dòng)模糊且加噪聲后圖像執(zhí)行結(jié)果：圖1 無(wú)噪聲和有噪聲的運(yùn)動(dòng)模糊圖像實(shí)驗(yàn)結(jié)果分析：采用仿真的方法對(duì)清晰的圖像加以運(yùn)動(dòng)模糊，形成模糊的圖像。用這種模型來(lái)描述由于目標(biāo)或攝像頭運(yùn)動(dòng)，而導(dǎo)致的圖像模糊。 同時(shí)在加入正態(tài)分布的隨機(jī)噪聲圖像顯得更加灰暗。2用維納濾波復(fù)原函數(shù)dec

4、onvwnr 對(duì)模糊圖像進(jìn)行復(fù)原重建。a) 對(duì)無(wú)噪聲運(yùn)動(dòng)模糊圖像用deconvwnr(I,PSF)進(jìn)行復(fù)原；程序代碼：I=imread('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,); %顯示圖像title('原始圖像'); PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理subplot(1,3,2);i

5、mshow(Blurred,); %顯示無(wú)噪聲運(yùn)動(dòng)模糊圖像title('無(wú)噪聲運(yùn)動(dòng)模糊圖像'); WI1=deconvwnr(Blurred,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原subplot(1,3,3); imshow(WI1,); %顯示逆濾波復(fù)原結(jié)果title('逆濾波復(fù)原結(jié)果'); 執(zhí)行結(jié)果：圖2 對(duì)無(wú)噪聲的運(yùn)動(dòng)模糊圖像進(jìn)行逆濾波復(fù)原實(shí)驗(yàn)結(jié)果分析：由實(shí)驗(yàn)結(jié)果可以看出，當(dāng)圖像無(wú)噪聲或噪聲較小，即輕度降質(zhì)時(shí)，采用逆濾波恢復(fù)的方法可以獲得較好的結(jié)果。b) 對(duì)有噪聲運(yùn)動(dòng)模糊圖像用deconvwnr(I,PSF)、deconvwnr(I,PSF,NSR

6、) 和deconvwnr(I,PSF,NCORR,ICORR)函數(shù)進(jìn)行復(fù)原。程序代碼：I=imread('cameraman.tif'); %讀取圖像subplot(2,3,1);imshow(I,); %顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理Noise=0.05*randn(size(I); %正態(tài)分布的隨

7、機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的圖像附加噪聲subplot(2,3,2);imshow(BlurredNoisy,); %顯示運(yùn)動(dòng)模糊且加噪聲后圖像title('運(yùn)動(dòng)模糊且加噪聲后圖像');WI1=deconvwnr(BlurredNoisy,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原subplot(2,3,3); imshow(WI1,); %顯示逆濾波復(fù)原結(jié)果title('逆濾波復(fù)原結(jié)果');NSR=sum(Noise(:).2)/sum(im2double(I(:).2);%計(jì)算噪

8、信比WI2=deconvwnr(BlurredNoisy,PSF,NSR); %帶噪信比參數(shù)的維納濾波復(fù)原subplot(2,3,4);imshow(WI2,); %顯示帶噪信比參數(shù)維納濾波復(fù)原結(jié)果title('帶噪信比參數(shù)維納濾波復(fù)原結(jié)果');NP=abs(fftn(Noise).2;NCORR=real(ifftn(NP); %計(jì)算噪聲的自相關(guān)函數(shù)IP=abs(fftn(im2double(I).2;ICORR=real(ifftn(IP); %計(jì)算信號(hào)的自相關(guān)函數(shù)WI3=deconvwnr(BlurredNoisy,PSF,NCORR,ICORR); %帶自相關(guān)函數(shù)的維納

9、濾波復(fù)原subplot(2,3,5);imshow(WI3,); title('帶自相關(guān)函數(shù)的維納濾波復(fù)原');執(zhí)行結(jié)果：圖3 對(duì)運(yùn)動(dòng)模糊退化且加噪聲的圖像進(jìn)行維納濾波實(shí)驗(yàn)結(jié)果分析：比較復(fù)原結(jié)果可以發(fā)現(xiàn)，在對(duì)圖像和噪聲信息都未知的情況下采用不帶參數(shù)的維納濾波（逆濾波）形式進(jìn)行復(fù)原效果很不好，在已知信噪比NSR參數(shù)的情況的維納濾波復(fù)原效果有了較大的改善，在已知噪聲和原圖像的自相關(guān)函數(shù)等參數(shù)的情況下的維納濾波復(fù)原效果最佳。c) 在實(shí)際應(yīng)用過(guò)程中，常常無(wú)法準(zhǔn)確得知噪聲圖像和理想圖像的功率譜，試著用常數(shù)K來(lái)代替NSR，并通過(guò)實(shí)驗(yàn)觀察不同K對(duì)圖像復(fù)原效果的影響。程序代碼：I=imread

10、('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,);%顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理Noise=0.05*randn(size(I); %正態(tài)分布的隨機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的

11、圖像附加噪聲WI1=deconvwnr(BlurredNoisy,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原NSR=sum(Noise(:).2)/sum(im2double(I(:).2); %計(jì)算噪信比WI2=deconvwnr(BlurredNoisy,PSF,NSR); %帶噪信比參數(shù)的維納濾波復(fù)原subplot(2,3,1);imshow(WI2,); %顯示帶噪信比參數(shù)維納濾波復(fù)原結(jié)果title('NSR取均值復(fù)原結(jié)果');WI3=deconvwnr(BlurredNoisy,PSF,0.005); %噪信比取0.005參數(shù)的維納濾波復(fù)原subplot(2,3,

12、2);imshow(WI3,); title('NSR=0.005復(fù)原結(jié)果');WI4=deconvwnr(BlurredNoisy,PSF,0.001); %帶噪信比取0.002參數(shù)的維納濾波復(fù)原subplot(2,3,3);imshow(WI4,); %顯示帶噪信比參數(shù)維納濾波復(fù)原結(jié)果title('NSR=0.001復(fù)原結(jié)果'); WI5=deconvwnr(BlurredNoisy,PSF,0.01); %帶噪信比取0.01參數(shù)的維納濾波復(fù)原subplot(2,3,4);imshow(WI5,); %顯示復(fù)原結(jié)果title('NSR=0.01復(fù)原結(jié)

13、果');WI6=deconvwnr(BlurredNoisy,PSF,0.05); %帶噪信比取0.05參數(shù)的維納濾波復(fù)原subplot(2,3,5);imshow(WI6,); title('NSR=0.05復(fù)原結(jié)果');WI7=deconvwnr(BlurredNoisy,PSF,0.1); %帶噪信比取0.1參數(shù)的維納濾波復(fù)原subplot(2,3,6);imshow(WI7,); %顯示復(fù)原結(jié)果title('KNS=0.1復(fù)原結(jié)果');執(zhí)行結(jié)果：圖4 不同噪信比參數(shù)的維納濾波復(fù)原實(shí)驗(yàn)結(jié)果分析：由實(shí)驗(yàn)結(jié)果可知，在帶噪信比參數(shù)的維納濾波復(fù)原中，當(dāng)NS

14、R取均值時(shí)濾波效果是最好的，隨著濾波中NSB由均值減小時(shí)，圖像的模糊運(yùn)動(dòng)減小但同時(shí)噪聲增強(qiáng)了；反之，當(dāng)NSB由均值增大時(shí)，圖像的模糊運(yùn)動(dòng)增強(qiáng)噪聲減小了。三、實(shí)驗(yàn)中遇到問(wèn)題及解決方法1. 圖像復(fù)原和圖像增強(qiáng)兩者之間的區(qū)別。圖像復(fù)原又稱為圖像恢復(fù)，圖像復(fù)原和圖像增強(qiáng)一樣，都是為了改善圖像視覺效果，以及便于后續(xù)處理。只是圖像增強(qiáng)方法更偏向主觀判斷，而圖像恢復(fù)則是根據(jù)圖像畸變或退化原因，進(jìn)行模型化處理。四、實(shí)驗(yàn)心得體會(huì)通過(guò)這個(gè)實(shí)驗(yàn)，使我對(duì)圖像復(fù)原和圖像增強(qiáng)兩者之間的區(qū)別有了更加清晰的認(rèn)識(shí)；在實(shí)驗(yàn)過(guò)程中了解了維納濾波的原理，功能以及在圖像處理方面的應(yīng)用。維納濾波器是對(duì)噪聲背景下的信號(hào)進(jìn)行估計(jì)，它是最小均

15、方誤差準(zhǔn)則下的最佳線性濾波器，在已知信噪比NSR參數(shù)的情況的維納濾波復(fù)原效果有較大的改善。五、源程序清單%1用點(diǎn)擴(kuò)散(PSF)函數(shù)創(chuàng)建運(yùn)動(dòng)模糊圖像,修改參數(shù)改變模糊程度。I=imread('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,);%顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)

16、圖像運(yùn)動(dòng)模糊處理subplot(1,3,2);imshow(Blurred,);title('無(wú)噪聲運(yùn)動(dòng)模糊圖像'); %顯示無(wú)噪聲運(yùn)動(dòng)模糊圖像Noise=0.05*randn(size(I); %正態(tài)分布的隨機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的圖像附加噪聲subplot(1,3,3);imshow(BlurredNoisy,);title('有噪聲運(yùn)動(dòng)模糊圖像'); %顯示運(yùn)動(dòng)模糊且加噪聲后圖像%2用維納濾波復(fù)原函數(shù)deconvwnr 對(duì)模糊圖像進(jìn)行復(fù)原重建。 %a) 對(duì)無(wú)噪聲運(yùn)動(dòng)模糊圖像用d

17、econvwnr(I,PSF)進(jìn)行復(fù)原；I=imread('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,); %顯示圖像title('原始圖像'); PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理subplot(1,3,2);imshow(Blurred,); %顯示無(wú)噪聲運(yùn)動(dòng)模糊圖像title('

18、;無(wú)噪聲運(yùn)動(dòng)模糊圖像'); WI1=deconvwnr(Blurred,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原subplot(1,3,3); imshow(WI1,); %顯示逆濾波復(fù)原結(jié)果title('逆濾波復(fù)原結(jié)果'); %2用維納濾波復(fù)原函數(shù)deconvwnr 對(duì)模糊圖像進(jìn)行復(fù)原重建。 %b) 對(duì)有噪聲運(yùn)動(dòng)模糊圖像用deconvwnr(I,PSF)、deconvwnr(I,PSF,NSR)和deconvwnr(I,PSF,NCORR,ICORR)函數(shù)進(jìn)行復(fù)原I=imread('cameraman.tif'); %讀取圖像subplot(2,

19、3,1);imshow(I,); %顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular'); %對(duì)圖像運(yùn)動(dòng)模糊處理Noise=0.05*randn(size(I); %正態(tài)分布的隨機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的圖像附加噪聲subplot(2,3,2);imshow(BlurredNoisy,

20、); %顯示運(yùn)動(dòng)模糊且加噪聲后圖像title('運(yùn)動(dòng)模糊且加噪聲后圖像');WI1=deconvwnr(BlurredNoisy,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原subplot(2,3,3); imshow(WI1,); %顯示逆濾波復(fù)原結(jié)果title('逆濾波復(fù)原結(jié)果');NSR=sum(Noise(:).2)/sum(im2double(I(:).2);%計(jì)算噪信比WI2=deconvwnr(BlurredNoisy,PSF,NSR); %帶噪信比參數(shù)的維納濾波復(fù)原subplot(2,3,4);imshow(WI2,); %顯示帶噪信比參數(shù)維納

21、濾波復(fù)原結(jié)果title('帶噪信比參數(shù)維納濾波復(fù)原結(jié)果');NP=abs(fftn(Noise).2;NCORR=real(ifftn(NP); %計(jì)算噪聲的自相關(guān)函數(shù)IP=abs(fftn(im2double(I).2;ICORR=real(ifftn(IP); %計(jì)算信號(hào)的自相關(guān)函數(shù)WI3=deconvwnr(BlurredNoisy,PSF,NCORR,ICORR); %帶自相關(guān)函數(shù)的維納濾波復(fù)原subplot(2,3,5);imshow(WI3,); title('帶自相關(guān)函數(shù)的維納濾波復(fù)原');%2用維納濾波復(fù)原函數(shù)deconvwnr 對(duì)模糊圖像進(jìn)行復(fù)

22、原重建。 %c) 對(duì)有噪聲運(yùn)動(dòng)模糊圖像用deconvwnr(I,PSF)、deconvwnr(I,PSF,NSR)和deconvwnr(I,PSF,NCORR,ICORR)函數(shù)進(jìn)行復(fù)原I=imread('cameraman.tif'); %讀取圖像subplot(1,3,1);imshow(I,);%顯示圖像title('原始圖像');PSF=fspecial('motion',25,11); %運(yùn)動(dòng)模糊函數(shù)，運(yùn)動(dòng)位移是25像素，角度是11Blurred=imfilter(I,PSF,'conv','circular

23、9;); %對(duì)圖像運(yùn)動(dòng)模糊處理Noise=0.05*randn(size(I); %正態(tài)分布的隨機(jī)噪聲BlurredNoisy=imadd(Blurred,im2uint8(Noise);%對(duì)退化后的圖像附加噪聲subplot(1,3,2);imshow(BlurredNoisy,); %顯示運(yùn)動(dòng)模糊且加噪聲后圖像title('運(yùn)動(dòng)模糊且加噪聲后圖像');WI1=deconvwnr(BlurredNoisy,PSF); %不帶參數(shù)的維納濾波（逆濾波）復(fù)原subplot(1,3,3); imshow(WI1,); %顯示逆濾波復(fù)原結(jié)果title('逆濾波復(fù)原結(jié)果'); figureNSR=sum(Noise(:).2)/su