數(shù)字圖像處理分析ipa5

1、5.1 圖像復(fù)原的基本概念 5.2 圖像退化模型 5.3 圖像復(fù)原的方法 5.4 運(yùn)動模糊圖像的復(fù)原 5.5 圖像的幾何校正5.6 圖像復(fù)原的應(yīng)用 第五章 圖像復(fù)原/恢復(fù)1圖像復(fù)原的基本概念 什么是圖像退化? 圖像的質(zhì)量下降叫做退化。 退化的形式有模糊、失真、有噪聲等 圖像退化的原因 無論是由光學(xué)、光電或電子方法獲得的圖像都會有不同程度的退化；退化的形式多種多樣。如傳感器噪聲、攝像機(jī)未聚焦、物體與攝像設(shè)備之間的相對移動、隨機(jī)大氣湍流、光學(xué)系統(tǒng)的相差、成像光源或射線的散射等； 如果我們對退化的類型、機(jī)制和過程都十分清楚，那么就可以利用其反過程來復(fù)原圖像。2圖像復(fù)原的基本概念 在圖像采集過程中產(chǎn)生

2、的許多種退化常被稱為模糊，它對目標(biāo)的頻譜寬度有帶限作用。在圖像記錄過程中產(chǎn)生的主要退化常被稱為噪聲，它可來源于測量誤差，記數(shù)誤差等等。3圖像復(fù)原的基本概念圖像退化示例(a)表示一種非線性的退化(b)表示一種模糊造成的退化(c)表示一種場景中目標(biāo)運(yùn)動造成的模糊退化(d)表示的是隨機(jī)噪聲的迭加退化 4 a) 被正弦噪聲干擾的圖像 b) 濾波效果圖用巴特沃思濾波器復(fù)原受正弦噪聲干擾的圖像圖像復(fù)原的基本概念5 a)受大氣湍流的嚴(yán)重影響的圖像 b)用維納濾波器恢復(fù)出來的圖像維納濾波器應(yīng)用圖像復(fù)原的基本概念6圖像復(fù)原的基本概念圖像復(fù)原 將降質(zhì)了的圖像恢復(fù)成原來的圖像。具體方法：針對引起圖像退化的原因，以及

3、降質(zhì)過程某先驗(yàn)知識，建立退化模型，再針對降質(zhì)過程采取相反的方法，恢復(fù)圖像。一般地講，復(fù)原的好壞應(yīng)有一個(gè)規(guī)定的客觀標(biāo)準(zhǔn)，以便對復(fù)原的結(jié)果作出某種最佳的評估。 7圖像復(fù)原的基本概念圖像還原與圖像增強(qiáng)的區(qū)別1圖像退化原因決定還原的方法2評價(jià)標(biāo)準(zhǔn)不同： a）增強(qiáng)：突出感興趣的那部分 采用主觀評估 b）還原：利用退化的逆過程恢復(fù)原始圖像， 采用客觀評估： 接近原始圖像8 無約束恢復(fù) 技術(shù) 有約束恢復(fù) 自動方法圖像恢復(fù) 策略 交互方法 根據(jù)是否需要外來干預(yù) 空域 處理域 頻域圖像一般模型：線性位移不變系統(tǒng)標(biāo)準(zhǔn)：非線性恢復(fù)、線性恢復(fù)圖像復(fù)原的基本概念9 圖像退化模型退化過程可看作對原圖像f (x,y)作線性

4、運(yùn)算。 g(x,y) H f (x,y) +n(x,y) 退化圖像 退化模型 噪聲Hf (x,y)n(x,y)退化過程被建模為一個(gè)退化函數(shù)和一個(gè)加性噪聲項(xiàng)g(x,y)10以后討論中對退化模型H作以下假設(shè)： H是線性的 H是空間（或位移）不變的 對任一個(gè)f(x,y)和任一個(gè)常數(shù) 和都有： H f(x-,y-) = g(x-,y-) 就是說圖像上任一點(diǎn)的運(yùn)算結(jié)果只取決于該點(diǎn)的輸入值，而與坐標(biāo)位置無關(guān)。圖像退化模型11f(i, j)：原始圖像g(i,j)：退化/降質(zhì)圖像H()： 成像系統(tǒng)的作用，則：由于 函數(shù)的篩選性質(zhì)（一幅圖像可以看作是由一系列沖激函數(shù)組成的）圖像退化模型12圖像退化模型13其中*

5、表示卷積運(yùn)算。如果H()是一個(gè)可分離系統(tǒng)，即則二維運(yùn)算可以分解為列和行兩次一維運(yùn)算來代替圖像退化模型14圖像退化模型在加性噪聲情況下，圖像退化模型可以表示為 其中n(x,y)為噪聲項(xiàng) 圖像退化過程被模型化為一個(gè)作用在輸入圖像f(x, y)上的系統(tǒng)H；它與一個(gè)加性噪聲n (x, y)的聯(lián)合作用導(dǎo)致產(chǎn)生退化圖像g(x, y)15圖像退化模型線性位移不變的圖像退化模型則表示為：16重要結(jié)論 一個(gè)線性系統(tǒng)完全可以由它的點(diǎn)擴(kuò)散函數(shù)h(x,y,) 來表征。若系統(tǒng)的擴(kuò)散函數(shù)PSF已知，則系統(tǒng)在（x，y）點(diǎn)的輸出響應(yīng)可看成是不同坐標(biāo) 處輸入函數(shù) 所產(chǎn)生的脈沖響應(yīng)在（x，y）處的疊加。 而在實(shí)際退化降質(zhì)過程中，

6、降質(zhì)的另一個(gè)復(fù)雜因素是隨機(jī)噪聲，考慮有噪聲的圖像恢復(fù)，必需知道噪聲統(tǒng)計(jì)特性以及噪聲和圖像信號的相關(guān)情況，這是非常復(fù)雜的。圖像退化模型17Hf(x,y)n(x,y)實(shí)際中假設(shè)是白噪聲頻譜密度為常數(shù)，且與圖像不相關(guān)，（一般只要噪聲帶寬比圖像帶寬大得多時(shí)，此假設(shè)成立）由此得出圖像退化模型。 圖像退化模型18 討論的前提是假設(shè)H是線性的，下面一些恢復(fù)方法都是對上述模型的近似估計(jì)。 空間域中的卷積等同于頻率域中的乘積，頻率域表示：兩邊進(jìn)行付氏變換： 討論恢復(fù)問題： 若略去噪音N，得： 反變換,可求 Ff 圖像退化模型19 若H有零點(diǎn)，G也有零點(diǎn)出現(xiàn)，0/0的不定值，這樣模型不保證所有逆過程都有解 由于引

7、起退化的因素眾多，而且性質(zhì)不同，目前又沒有統(tǒng)一的恢復(fù)方法，許多人根據(jù)不同的物理模型，采用不同的退化模型、處理技巧和估計(jì)準(zhǔn)則，從而導(dǎo)出了多種恢復(fù)方法。有效方法：針對特定條件，用特定模型處理圖像退化模型20離散的退化模型對于圖像退化降質(zhì)的過程進(jìn)行數(shù)學(xué)建模f(i, j)：原始圖像 y(i, j)：退化降質(zhì)圖像h(i, j; k, l)：點(diǎn)擴(kuò)散函數(shù)圖像為MN維假設(shè)h(i, j; k, l)為空間移不變，則：21第7章圖像退化模型噪聲介紹圖像中的噪聲可定義為圖像中不希望有的部分，或圖像中不需要的部分對信號來說，噪聲是一種外部干擾。但噪聲本身也是一種信號，它攜帶了噪聲源的信息 信噪比（SNR）一詞就反映了

8、噪聲相對于信號的強(qiáng)度比值，用能量比（或電壓平方比）定義22第7章圖像退化模型噪聲概率密度函數(shù) 高斯噪聲23第7章圖像退化模型噪聲概率密度函數(shù) 均勻噪聲24第7章圖像退化模型噪聲概率密度函數(shù) 脈沖（椒鹽）噪聲噪聲脈沖可以 是正的或負(fù)的一般假設(shè)a和b 都是“飽和”值雙極性脈沖噪聲 也稱椒鹽噪聲 25第7章圖像退化模型 空間域?yàn)V波器均值濾波器中值濾波器26 圖像復(fù)原的方法尋找濾波傳遞函數(shù)，通過頻域圖像濾波得到復(fù)原圖像的傅立葉變換，再求反變換，得到復(fù)原圖像無約束還原有約束還原非線性約束還原27退化模型：逆過程復(fù)原圖像：當(dāng)H(u,v)為0或很小時(shí)， 病態(tài)現(xiàn)象原點(diǎn)附近： 圖像完全被噪聲淹沒，造成噪聲放大

9、反向?yàn)V波法/逆濾波（無約束）28解決退化函數(shù)為零或?yàn)榉浅Ｐ〉闹档姆椒ㄏ拗茷V波的頻率，使其接近原點(diǎn)。H(0,0)在頻率域中通常是H(u,v)的最高值. f (x,y)H(u,v) n(x,y) g(x,y)M(u,v)復(fù)原函數(shù) 反向?yàn)V波法29 有約束還原法維納濾波/最小均方誤差濾波 維納濾波恢復(fù)正是在假定圖像信號可近似看作平穩(wěn)隨機(jī)過程的前提下，按照使原圖像f (x,y)與恢復(fù)后的圖像 之間的均方誤差e2達(dá)到最小的準(zhǔn)則，來實(shí)現(xiàn)圖像恢復(fù)。即： 滿足這一要求的轉(zhuǎn)移函數(shù)為：復(fù)共軛30維納濾波器最小均方誤差濾波器，一般公式(1)如果s = 1，大方括號中的項(xiàng)就是維納濾波器(2)如果s是變量，就稱為參數(shù)維納

10、濾波器(3)當(dāng)沒有噪聲時(shí)，Sn(u, v) = 0，維納濾波器退化成反向?yàn)V波法中的理想逆濾波器。31有約束還原法 現(xiàn)象1）H(u,v)=0，無病態(tài)現(xiàn)象，分母不為02）SNR高時(shí)，同反向?yàn)V波法3）SNR低時(shí)，效果不滿意原因 維納濾波是基于平穩(wěn)隨機(jī)過程模型，且假設(shè)退化模型為線性空間不變系統(tǒng)的原因，這與實(shí)際情況存在一定差距。另外，最小均方誤差準(zhǔn)則與人的視覺準(zhǔn)則不一定匹配。32最大平滑復(fù)原 準(zhǔn)則：以函數(shù)平滑為基礎(chǔ) 1）使函數(shù)的二階導(dǎo)數(shù)為最小。二階導(dǎo)數(shù)是突出圖像邊緣、輪廓等高頻信息。 約束條件： 有約束最小二乘方濾波需反復(fù)迭代才能完成 有約束還原法332）用內(nèi)積來考察函數(shù)f 的平滑性有約束還原法歐幾里德

11、向量范數(shù)反向?yàn)V波34運(yùn)動模糊圖像的復(fù)原退化的原因?yàn)橐阎獙ν嘶^程有先驗(yàn)知識，如希望能確定PSF和噪聲特性 即確定： h(x,y)與n(x,y) g(x,y)=H f (x,y)+n(x,y)351根據(jù)導(dǎo)致模糊的物理過程（先驗(yàn)知識）1）大氣湍流造成的傳遞函數(shù) PSF模糊模型c：與湍流性質(zhì)有關(guān)的常數(shù)362）光學(xué)系統(tǒng)散焦的傳遞函數(shù) 當(dāng)光學(xué)系統(tǒng)散焦時(shí)，點(diǎn)光源的像將成圓盤。從公式可看出，散焦系統(tǒng)的傳遞函數(shù)在以原點(diǎn)為中心，d為半徑處存在零點(diǎn)，形成一些同心的暗環(huán)，由散焦圖像的頻譜上估計(jì)出這些同心圓的半徑，可得到H（u,v） 模糊模型37均勻聚焦不準(zhǔn)模糊 相機(jī)聚焦不準(zhǔn)確引起，（不聚焦由許多參數(shù)決定：如相機(jī)的焦

12、距、相機(jī)孔的大小、形狀、物體和相機(jī)之間的距離等）在研究中為了簡單起見，用下列函數(shù)表示聚焦不準(zhǔn)引起的模糊： 模糊模型38模糊后圖像任意點(diǎn)的值 ：特點(diǎn)：圖像的頻譜在垂直于該方向上存在暗直線，可估出 的大小，運(yùn)動方向 也可由圖像的頻譜估計(jì)出來已知：設(shè)相機(jī)不動，對象運(yùn)動，運(yùn)動分量x,y分別為x0(t)，y0(t)相機(jī)快門速度是理想的，快門開啟時(shí)間（曝光時(shí)間）T。 3）勻速直線運(yùn)動模糊下的PSF 相機(jī)與景物之間相對運(yùn)動造成圖像降質(zhì)， H(u,v) 運(yùn)動模糊： 模糊模型392由圖像中的點(diǎn)或線估計(jì)（后驗(yàn)知識）1）原始景物中有一清晰的點(diǎn)或點(diǎn)光源。由所成的像得到退化系統(tǒng)的PSF2）原始景物中確定一條線，成像，由

13、直線產(chǎn)生模糊，根據(jù)模糊可以測定在于邊緣垂直方向上的PSF斷面曲線，得出一維PSF，如果PSF對稱，旋轉(zhuǎn)一維PSF得到二維PSF模糊模型403由功率譜估計(jì)PSF4噪聲n(x,y)的確定相關(guān)、不相關(guān)兩類。一般假設(shè)：白色噪聲，與圖像無關(guān)。其頻譜密度為常數(shù)。只要噪聲帶寬遠(yuǎn)大于圖像帶寬即可作白噪聲處理從退化圖像大塊平坦區(qū)中估計(jì)，一般不具備噪聲先驗(yàn)知識。不同方法要用不同特征參數(shù)方差，頻譜 模糊模型41 水平勻速直線運(yùn)動引起模糊的復(fù)原（無約束）如果模糊圖像是由景物在x方向上作均勻直線運(yùn)動造成的，則模糊后圖像任意點(diǎn)的值為 去除由x方向上均勻運(yùn)動造成的圖像模糊后恢復(fù)圖像的表達(dá)式 42a) 原始圖像 b) 模糊圖

14、像 c) 復(fù)原圖像運(yùn)動模糊圖像的恢復(fù)處理水平勻速直線運(yùn)動引起模糊的復(fù)原43圖像的幾何校正 幾何畸變的描述 幾何校正44圖像的幾何校正例： 從太空中宇航器拍攝的地球上的等距平行線，圖像會變?yōu)橥嵝被虿坏染?；用光學(xué)和電子掃描儀攝取的圖像常會有桶形畸變和枕形畸變；用普通的光學(xué)攝影與測試?yán)走_(dá)拍攝的同一地區(qū)的景物二者在幾何形狀上有較大的差異。以一副圖像為基準(zhǔn)，去校正另一種方式攝入的圖像，以校正其幾何畸變，就叫做圖像的幾何畸變復(fù)原或者幾何畸變校正/幾何校正。45幾何校正就是一種幾何變換，是圖像的幾何畸變的反運(yùn)算，與幾何變換類似。幾何校正是由輸出圖像像素坐標(biāo)反算輸入圖像坐標(biāo)，然后通過灰度再采樣求出輸出像素灰度

15、值。圖像幾何校正的兩個(gè)步驟 (1)空間變換：對圖像平面上的像素進(jìn)行重新排列以恢復(fù)原空間關(guān)系 (2)灰度插值：對空間變換后的像素賦予相應(yīng)的灰度 值以恢復(fù)原位置的灰度值圖像的幾何校正46幾何畸變的描述幾何基準(zhǔn)圖像的坐標(biāo)系統(tǒng)用(x, y)來表示需要校正的圖像的坐標(biāo)系統(tǒng)用(x, y)表示設(shè)兩個(gè)圖像坐標(biāo)系統(tǒng)之間的關(guān)系用解析式表示通常h1(x,y)和h2(x,y)用多項(xiàng)式來表示：47通常用線性畸變來近似較小的幾何畸變更精確一些可以用二次型來近似若基準(zhǔn)圖像為f(x,y)，畸變圖像為g(x,y)，對于景物上的同一個(gè)點(diǎn)，假定其灰度不變，則圖像的幾何校正（空間變換）48圖像的幾何校正幾何變換 通常用已知的多對對應(yīng)

16、點(diǎn)來確定系數(shù)a, b線性畸變 可由基準(zhǔn)圖找出三個(gè)點(diǎn)(x1, y1), (x2, y2), (x3, y3)與畸變圖像上三 個(gè)點(diǎn)(x1, y1), (x2, y2), (x3, y3)一一對應(yīng)。49圖像的幾何校正將對應(yīng)點(diǎn)代入，有： 解聯(lián)立方程組，得出6個(gè)系數(shù)。50二次畸變有12個(gè)未知量，需要6對已知對應(yīng)點(diǎn)圖像的幾何校正51圖像的幾何校正代入上式記作矩陣形式同樣有解方程組，得到ai，bi 12個(gè)系數(shù)。52f(x,y)g(x, y)圖像的幾何校正（灰度插值）內(nèi)插法確定像素的灰度值 幾何變換是由輸出圖像像素坐標(biāo)反算出輸入圖像坐標(biāo)，但該坐標(biāo)并非整數(shù)，需要進(jìn)行灰度再采樣。 例：53最近鄰插值雙線性插值（2

17、*2鄰域采樣點(diǎn)的平均值）Nearest Neighbor Bilinear再采樣是通過灰度插值來完成的圖像的幾何校正最簡單，會有塊狀效應(yīng)雙三次插值（插值核為三次函數(shù)，4*4鄰域），效果好，計(jì)算量大54顯示連接點(diǎn)的圖像幾何失真后的連接點(diǎn)最近鄰內(nèi)插失真的圖像雙線性內(nèi)插失真的圖像復(fù)原的圖像復(fù)原的圖像55圖像復(fù)原的應(yīng)用圖像復(fù)原的空間濾波器（只存在噪聲）均值濾波器順序統(tǒng)計(jì)濾波器自適應(yīng)濾波器圖像復(fù)原的頻率域?yàn)V波器（消除周期噪聲）帶阻濾波器帶通濾波器陷波濾波器56圖像復(fù)原的應(yīng)用噪聲模型數(shù)字圖像的噪聲主要來源于圖像的獲取和傳輸過程 圖像獲取的數(shù)字化過程，如圖像傳感器的質(zhì)量和 環(huán)境條件 圖像傳輸過程中傳輸信道的

18、噪聲干擾，如通過無線網(wǎng)絡(luò)傳輸?shù)膱D像會受到光或其它大氣因素的干擾57圖像復(fù)原的應(yīng)用一些重要的噪聲高斯噪聲瑞利噪聲伽馬（愛爾蘭）噪聲指數(shù)分布噪聲均勻分布噪聲脈沖噪聲（椒鹽噪聲）58圖像復(fù)原的應(yīng)用高斯伽馬均勻瑞利指數(shù)脈沖59圖像復(fù)原的應(yīng)用高斯噪聲源于電子電路噪聲和由低照明度或高溫帶來的傳感器噪聲瑞利噪聲對分布在圖像范圍內(nèi)特征化噪聲有用伽馬分布和指數(shù)分布用于激光成像噪聲均勻密度分布作為模擬隨機(jī)數(shù)產(chǎn)生器的基礎(chǔ)脈沖噪聲用于成像中的短暫停留中，如錯(cuò)誤的開關(guān)操作60圖像復(fù)原的應(yīng)用樣本噪聲圖像和它們的直方圖用于噪聲模型的測試圖由簡單、恒定的區(qū)域組成僅僅有3個(gè)灰度級的變化61圖像復(fù)原的應(yīng)用62圖像復(fù)原的應(yīng)用63圖

19、像復(fù)原的應(yīng)用結(jié)論上述噪聲圖像的直方圖和它們的概率密度函數(shù)曲線對應(yīng)相似前面5種噪聲的圖像并沒有顯著不同但它們的直方圖具有明顯的區(qū)別64圖像復(fù)原的應(yīng)用周期噪聲周期噪聲是在圖像獲取中由電力或機(jī)電干擾中產(chǎn)生的周期噪聲可以通過頻率域?yàn)V波顯著減少65圖像復(fù)原的應(yīng)用圖像復(fù)原的空間濾波器（只存在噪聲）均值濾波器算術(shù)均值濾波器、幾何均值濾波器、諧波均值濾波器、逆諧波均值濾波器順序統(tǒng)計(jì)濾波器中值濾波器、最大值濾波器、最小值濾波器、中點(diǎn)濾波器、修正后的阿爾法均值濾波器自適應(yīng)濾波器自適應(yīng)局部噪聲消除濾波器、自適應(yīng)中值濾波器66圖像復(fù)原的應(yīng)用算術(shù)均值濾波器Sxy表示中心在(x,y)，尺寸為mn的矩形窗口平滑了一幅圖像的

20、局部變化在模糊了結(jié)果的同時(shí)減少了噪聲67圖像復(fù)原的應(yīng)用幾何均值濾波器 幾何均值濾波器在濾波過程中，與算術(shù)均值濾波器相比，會丟失更少的圖像細(xì)節(jié)相對銳化68圖像復(fù)原的應(yīng)用諧波均值濾波器諧波均值濾波器對于“鹽”噪聲效果好，但不適用于“椒”噪聲善于處理高斯噪聲等69圖像復(fù)原的應(yīng)用逆諧波均值濾波器Q稱為濾波器的階數(shù)。當(dāng)Q為正數(shù)時(shí)，用于消除“椒”噪聲；當(dāng)Q為負(fù)數(shù)時(shí)，用于消除“鹽”噪聲，但不能同時(shí)消除“椒鹽”噪聲當(dāng)Q=0，逆諧波均值濾波器轉(zhuǎn)變?yōu)樗阈g(shù)均值濾波器當(dāng)Q=-1，逆諧波均值濾波器轉(zhuǎn)變?yōu)橹C波均值濾波器70圖像復(fù)原的應(yīng)用71圖像復(fù)原的應(yīng)用72圖像復(fù)原的應(yīng)用均值濾波器的總結(jié)算術(shù)均值濾波器和幾何均值濾波器適合

21、于處理高斯或均勻等隨機(jī)噪聲諧波均值濾波器適合于處理脈沖噪聲缺點(diǎn)：必須事先知道噪聲是暗噪聲還是亮噪聲，以便于選擇合適的Q符號73圖像復(fù)原的應(yīng)用 順序統(tǒng)計(jì)濾波器中值濾波器在相同尺寸下，比起均值濾波器引起的模糊少對單極或雙極脈沖噪聲非常有效74圖像復(fù)原的應(yīng)用最大值濾波器用于發(fā)現(xiàn)圖像中的最亮點(diǎn)可以有效過濾“椒”噪聲（因?yàn)椤敖贰痹肼暿欠浅５偷闹担?5圖像復(fù)原的應(yīng)用最小值濾波器用于發(fā)現(xiàn)圖像中的最暗點(diǎn)可以有效過濾“鹽”噪聲（因?yàn)椤胞}”噪聲是非常高的值）76圖像復(fù)原的應(yīng)用中點(diǎn)濾波器結(jié)合了順序統(tǒng)計(jì)和求平均對于高斯和均勻隨機(jī)分布這類噪聲有最好的效果77圖像復(fù)原的應(yīng)用修正后的阿爾法均值濾波器在Sxy鄰域內(nèi)去掉g(s

22、,t)最高灰度值的d/2和最低灰度值的d/2gr(s,t)代表剩余的mn-d個(gè)像素當(dāng)d=0，退變?yōu)樗阈g(shù)均值濾波器當(dāng)d=mn-1，退變?yōu)橹兄禐V波器當(dāng)d取其它值時(shí)，適用于包括多種噪聲的情況。如高斯噪聲和椒鹽噪聲混合的情況78圖像復(fù)原的應(yīng)用79圖像復(fù)原的應(yīng)用80圖像復(fù)原的應(yīng)用均值為0，方差為800的高斯噪聲干擾的圖像5*5算術(shù)均值濾波器5*5中值濾波器被Pa=Pb=0.1的椒鹽噪聲疊加，進(jìn)一步惡化5*5幾何均值濾波器d=5,規(guī)格為5*5的修正后的阿爾法均值濾波器效果較好。由于脈沖噪聲的存在，算術(shù)均值和幾何均值濾波器沒有起到良好的作用81圖像復(fù)原的應(yīng)用自適應(yīng)濾波器 行為變化基于由mn矩形窗口Sxy定義

23、的區(qū)域內(nèi)圖像的統(tǒng)計(jì)特性。與前述濾波器相比，性能更優(yōu)但也增加了算法復(fù)雜性包括:自適應(yīng)、局部噪聲消除濾波器自適應(yīng)中值濾波器82圖像復(fù)原的應(yīng)用自適應(yīng)、局部噪聲消除濾波器濾波器響應(yīng)基于以下4個(gè)量：83圖像復(fù)原的應(yīng)用自適應(yīng)、局部噪聲消除濾波器濾波器的預(yù)期性能如下：84圖像復(fù)原的應(yīng)用自適應(yīng)、局部噪聲消除濾波器基于上述假定的自適應(yīng)表達(dá)式：唯一需要知道或估計(jì)的未知量是噪聲方差其它參數(shù)可以從Sxy中的像素計(jì)算出來285圖像復(fù)原的應(yīng)用均值為0，方差為1000的高斯噪聲 77的幾何均值濾波器77的算術(shù)均值濾波器77的自適應(yīng)濾波器更加尖銳86圖像復(fù)原的應(yīng)用自適應(yīng)中值濾波器傳統(tǒng)中值濾波器只能處理空間密度不大的沖激噪聲（pa,pb0.2）,而自適應(yīng)中值濾波器可以處理具有更大概率的沖激噪聲。可以在平滑非沖激噪聲時(shí)保存細(xì)節(jié)，而傳統(tǒng)中值濾波器無法做到。87圖像復(fù)原的應(yīng)用自適應(yīng)中值濾波器定義下列符號：zmin=Sxy中灰度級的最小值zmax=Sxy中灰度級的最大值zmed=Sxy中灰度級的中值zxy在坐標(biāo)（x,y）上的灰度級Smax=Sxy允許的最大尺寸88圖像復(fù)原的應(yīng)用自適應(yīng)中值濾波器的主要目的除去“椒鹽”噪聲（沖激噪聲）平滑其它非沖激噪聲減少物體邊界細(xì)