数字图像处理_图像的复原
数字图像处理图像复原技术
MATLAB几何失真算法
f=imread('C:\Users\Alice Kong\Desktop\Blair.jpeg.'); figure(1);imshow(f); basepoints=[1 1;1 200;1 512;512 1;512 200;512 512]; inputpoints=[1 150;1 250;1 512;512 100;512 200;512 512]; tform=cp2tform(inputpoints,basepoi nts,'projective'); gp=imtransform(f,tform,'XData',[1 512],'YData',[-150 512]); figure(2);imshow(gp);
手动选择连接点
1
原灰度图
2
几何失真后
3
配准复原后
维纳滤波
2
维纳滤波可用 MATLAB中的 deconvwnr函数实 现。
1
维纳滤波综合了退化函数和噪声统计特性两方面 进行复原处理。维纳滤波是寻找一个滤波器，使得复原 后图像与原始图像的均方误差最小。因此，维纳滤波器 通常又称为最小均方误差滤波器。
生成运动模糊图像
维纳滤波的MATLAB程序
noise=imnoise(zeros(size(A)),'gaussian',0,1e-7); B=imnoise(MF,'gaussian',0,1e-7); figure(2); imshow(B); figure(3); imshow(deconvwnr(B,PSF),[]); noise=imnoise(zeros(size(A)),'gaussian',0,1e-7);
数字图像处理技术在图像复原中的应用效果评估
数字图像处理技术在图像复原中的应用效果评估数字图像处理技术已经广泛应用于图像复原领域，通过利用图像处理算法和技术，对损坏、模糊或降质的图像进行修复和恢复。
本文将探讨数字图像处理技术在图像复原中的应用效果评估。
图像复原是一项复杂的任务，旨在从损坏或降质的图像中恢复原始信息。
在数字图像处理中，有许多方法可以用于图像复原，例如去噪、增强、去模糊等。
然而，对于不同类型和程度的图像损坏，不同的方法可能会产生不同的效果。
因此，评估图像复原方法的效果非常重要。
为了评估图像复原方法的效果，可以使用多种客观和主观的评估指标。
客观评估指标是基于数学和统计分析的指标，可以量化图像恢复质量的好坏。
常用的客观评估指标包括均方误差（MSE）、峰值信噪比（PSNR）和结构相似性指数（SSIM）。
MSE指标通过计算原始图像和复原图像之间像素间的误差平方和来评估图像复原效果，MSE值越小表示复原效果越好。
PSNR指标通过测量原始图像和复原图像之间的峰值信噪比来评估图像复原质量，PSNR值越大表示复原效果越好。
SSIM指标通过比较图像的亮度、对比度和结构信息来评估图像复原质量，SSIM值越接近1表示复原效果越好。
除了客观评估指标外，主观评估也是评估图像复原效果的重要方法。
主观评估主要通过人工观察和主观判断来评估图像复原的视觉质量。
常见的主观评估方法包括主观质量评估（SME）和主观双向比较（DSM）。
在主观质量评估中，评价者通过观察原始图像和复原图像来对复原质量进行评估。
在主观双向比较中，评价者会对不同复原结果进行直接比较，以确定复原质量的优劣。
主观评估的优势在于能够考虑人眼对图像的感知，但主观评估受到主观因素的影响，评估结果可能存在一定的主观性。
除了评估方法，评估数据的选择和准备也对图像复原效果评估的准确性和可靠性起着重要的作用。
对于不同类型和程度的图像损坏，应选择适合的评估数据集进行评估。
评估数据集应包含多样化的图像，包括不同场景、不同角度和不同光照条件下的图像，以模拟实际应用场景中的复原需求。
图像复原的名词解释
图像复原的名词解释图像复原是数字图像处理领域中的一个重要概念，旨在通过科学的技术手段恢复或改善被损坏的图像质量。
它在许多领域中具有广泛的应用，如医学影像、遥感图像、文化遗产保护等。
图像复原的基本目标是恢复图像本来的清晰度、细节和真实性，使其更好地适应观察者需求和实际应用。
图像在采集、传输、存储等过程中往往经历了噪声、模糊、失真等问题，使得图像质量下降，难以满足人们对图像的需求。
图像复原即通过信号处理的方法，利用图像本身的特征和统计学原理来消除这些问题，使得观察到的图像更接近真实。
图像复原的主要技术手段包括滤波、去噪、增强和复原等。
其中，滤波是最常见的一种方法，其基本思想是通过选择性地传递或抑制不同频率的信号成分来实现图像质量的改善。
常见的滤波方法有线性滤波、非线性滤波等。
线性滤波适用于处理噪声较小、失真较轻的图像，通过卷积运算对图像进行平滑或边缘增强；非线性滤波则可以更好地适用于噪声较强、失真较严重的图像，其基本原理是根据图像统计特性对像素值进行调整，以实现去噪和增强效果。
图像去噪是图像复原中的一个重要环节，旨在消除图像中的噪声干扰，使得图像清晰可见。
噪声是由于图像捕捉、传输等过程中引入的随机干扰，使图像变得模糊不清、细节不明显。
图像去噪技术主要有空域方法和频域方法。
空域方法一般通过滑动窗口或邻域平均来对图像进行平滑处理，从而消除噪声。
频域方法则是将图像转换到频域进行处理，如利用傅里叶变换或小波变换等，通过滤波、阈值处理等操作实现图像的去噪。
图像增强是另一个重要的图像复原技术，其目标在于通过调整图像的对比度、亮度、颜色饱和度等参数，提高图像的视觉效果和观感。
图像增强可以分为直方图增强、空域增强和频域增强等方法。
直方图增强是根据图像的灰度直方图进行操作，通过拉伸直方图的动态范围，改变图像灰度分布来改善图像质量。
空域增强则是直接在像素级别上进行操作，如对比度拉伸、亮度调整、局部增强等。
而频域增强则是将图像转换到频域进行处理，如滤波、锐化等操作，来增强图像的视觉效果。
数字图像处理实验九、图像复原
fs(x,y):
FFt
Fs(u,v)
Gs(u,v)
Hs(u,v)=
Fs(u,v)
2.数学建模法 大气湍流的退化函数：
H (u, v) e
k ( n2 v 2 )5 / 6
匀速运动的退化函数：
T H ( u, v) sin[ ( ua vb)]e j ( ua vb ) ( ua vb)
三、退化函数引起图像退化的复原方法 1.逆滤波法： 无噪声时： F(u,v)= G(u,v) H(u,v) N(u,v) H(u,v)
有噪声时： F(u,v)= F(u,v)+ 问
题：在H(u,v)趋于0处，噪声会被急剧放大。
解决办法：增加一个低通滤波器。
1 | H (u, v) |2 ]G(u, v) 2.维纳滤波法： F (u, v) [ 2 H (u, v) | H (u, v) | k
调入原始图像 fxy
计算退化图像的频谱 Guv
K=0.01;%特殊常数，一般要用交互的方式确定 Fuvyp=(Huv.*conj(Huv)).*Guv./(Huv.*(Huv.*conj(Huv)+K)); 计算原始图像频谱 计算噪声的频谱 Nuv Rtuxy=abs(ifft2(Fuvyp)); Fuv=fft2(fxy) subplot(2,2,2),imshow(Rtuxy,[]),title('K=0.01时维纳滤波的结果') 还
生 成 退 化 图 像
原 退 Fuvyp=(Huv.*conj(Huv)).*Guv./(Huv.*(Huv.*conj(Huv)+K)); 化 Rtuxy=abs(ifft2(Fuvyp)); 计算 复原图像的频谱Fuvyp 图 生产退化图像频谱 subplot(2,2,3),imshow(Rtuxy,[]),title('K=0.005时维纳滤波的结果') Guv=Huv· Fuv 像
数字图像处理—基于Python 第12讲 图像复原-复原算法
9
估计点扩散函数
如果退化函数已知，则图像复原将变得较 为简单
估计psf 函数的基本方法有： – 观察法 – 实验法 – 建模法
10
估计点扩散函数
–观察法
取一个信号强、噪声小的子图像g (x,y) ，然后用一系列的 滤波器处理这个子图像，得到较好的效果图像f (x,y). 那么， 退化函数可以通过H (u,v)= G (u,v)/ F (u,v)得到
第5章 图像复原
图像复原算法
2
回顾
什么是图像复原 针对噪声的复原
− 噪声模型 − 空域滤波去噪方法 − 频域去噪方法
针对模糊等退化的复原
− 线性移不变退化模型 − 无约束图像复原 − 有约束图像复原
针对畸变的图像复原
− 几何变换 − 灰度插值 − 几何校正
3
本课内容
线性移不变退化模型 估计点扩散函数 图像复原算法
g(x, y)
T 0
f
x x0(t), y
y0(t)
dt
– x 0 (t) 和 y 0 (t) 随时间变化的移动距离 –T 是按下快门的时长
14
估计点扩散函数
G(u, v) g(x, y)e j2 (uxvy)dxdy
T 0
f
(x x0(t),
y
y0 (t))dte j2 (uxvy)dxdy
18
本课内容
线性移不变退化模型 估计点扩散函数 图像复原算法
无约束还原： − 逆滤波（Inverse filter） − 伪逆滤波（Pseudo inverse filtering） 有约束还原 − 维纳滤波（Wiener filter） − 受限最小二乘滤波（Constrained least
(完整word版)数字图像处理实验 ——图像恢复
数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。
二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。
图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y ) H [ f ( x, y )] n( x, y ) f ( x, y )h( x, y ) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。
噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。
本文中研究高斯噪声对图像的影响及其去噪过程。
①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
一个高斯随机变量z的PDF可表示为：P（z）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。
高斯噪声的灰度值多集中在均值附近。
图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。
②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。
③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。
本文应用高斯平滑滤波进行去噪处理。
《数字图像处理A》图像复原与重建实验
《数字图像处理A》图像复原与重建实验一、实验目的图像的降噪与复原既在日常生活中拥有广泛的应用场景，又是数字图像处理领域的经典应用。
本实验首先对特定图像进行添加噪声和模糊，然后再使用经典的算法对噪声退化图像进行复原和重建。
通过该实验，进一步理解图像降噪和复原的基本原理，巩固图像处理基本操作的同时，提升对图像降噪和复原的理解和掌握。
二、实验内容1.利用matlab实现对特定图像添加高斯噪声和运动模糊。
2.使用逆滤波对退化图像进行处理。
3.使用常数比进行维纳滤波。
4.使用自相关函数进行维纳滤波。
三、实验原理1. 图像退化模型在一般情况下图像的退化过程可建模为一个退化函数和一个噪声项，对一幅图像f(x,y)进行处理，产生退化图像g(x,y),如下所示，其中η(x,y)是噪声项，H则是源图像的退化函数。
g(x,y)=H[f(x,y)]+η(x,y)2. 图像的噪声模型图像的噪声模型分为空间域噪声模型（通过噪声的概率密度函数对噪声进行描述）和频率域噪声模型（由噪声的傅里叶性质进行描述）两种类型。
在本实验中，我们采用的是空间噪声的经典噪声模型高斯噪声，高斯噪声模型的概率分布函数如下所示,其中σ是标准差，μ是期望。
p(z)=√2πσ−(x−μ)22σ2⁄3. 图像模糊图像模糊是一种常见的主要的图像退化过程。
场景和传感器两者导致的模糊可以通过空间域和频率域低通滤波器来建模。
而另一种常见的退化模型是图像获取时传感器和场景之间的均匀线性运动生成的图像模糊。
本实验的模糊模型采用的则是运动模糊，该模糊可以通过工具箱函数fspecial进行建模。
1.带噪声退化图像的复原在图像复原中经典的方法包括两种，分别是直接逆滤波和维纳滤波。
其中，直接逆滤波的复原模型如下所示,其中G(u,v)表示退化图像的傅里叶变换，H(u,v)则表示退化函数。
除了直接逆滤波之外，更为常见的是使用维纳滤波对退化图像进行复原，复原模型如教材100页4.7节所示。
数字图像处理第5章图像复原
5.3 有约束复原
5.3.1 5.3.2 5.3.3 5.3.4 有约束的最小二乘方图像复原 维纳滤波方法 有约束最小平方滤波 去除由匀速运动引起的模糊
5.3.1 有约束的最小二乘方图像复原
有约束图像复原技术是指除了要求了解关于退化系统的传 递函数之外，还需要知道某些噪声的统计特性或噪声与图 像的某些相关情况。根据所了解的噪声的先验知识的不同， 采用不同的约束ห้องสมุดไป่ตู้件，从而得到不同的图像复原技术。最 常见的是有约束的最小二乘方图像复原技术。 在最小二乘方复原处理中，有时为了在数学上更容易处理， 常常附加某种约束条件。例如，可以令Q为f的线性算子， 那么，最小二乘方复原问题可看成是使形式为||Qf||2的函 数，服从约束条件 的最小化问题。
第5章 图像复原 本章重点： 图像退化的一般模型 非约束复原方法 约束复原方法 非线性复原方法
第5章 图像复原
5.1 5.2 5.3 5.4 5.5 5.6 基本概念 非约束复原 有约束复原 非线性复原方法 几种其他图像复原技术 小结
5.1 基本概念
5.1.1 5.1.2 5.1.3 5.1.4 图像退化一般模型 成像系统的基本定义 连续函数的退化模型 离散函数的退化模型
5.2.2 逆滤波器方法
逆滤波法复原的基本原理：
H(u,v)可以理解为成像系统的“滤波”传递函数，在频域中系统的传递 函数与原图像信号相乘实现“正向滤波”，这里,G(u,v)除以H(u,v)起到 了“反向滤波”的作用，这意味着，如果已知退化图像的傅立叶变换 和“滤波”传递函数，则可以求得原始图像的傅立叶变换，经反傅立 叶变换就可求得原始图像f(x，y) 。
5.2.1 非约束复原的代数方法
在并不了解噪声项n的情况下，希望找到一个f，使得对在 最小乘方意义上来说近似于g，也就是说，希望找到一个f， 使得：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
逆滤波复原法
•病态性质 (1) H(u,v)= 0 ：无法确定F(u,v)
(2)H(u,v)0：放大噪声
若噪声为零，则采用逆滤波恢复法能完全再现原图像。若 噪声存在，而且H（u,v）很小或为零时，则噪声被放大。这意 味着退化图像中小噪声的干扰在H(u,v)较小时，会对逆滤波恢 复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差 很大，甚至面目全非。
逆滤波复原法
解决该病态问题的唯一方法就是避开H(u,v)的零点即小数 值的H(u,v)。两种途径： 一是：在H（u,v）=0及其附近，人为地仔细设置H-1(u,v) 的值，使N(u,v)*H-1(u,v)不会对产生太大影响。下图给出了 H(u,v)、H--1(u,v)同改进的滤波特性HI(u,v)的一维波形，从中 可看出与正常的滤波的差别。
空间坐标变换
实际工作中常以一幅图像为基准，去校正几何失真图像。通 常基准图像f(x,y)是利用没畸变或畸变较小的摄像系统获得， 而把有较大的几何畸变系统所摄入图像用g(x’,y’)表示，其 畸变形式是多样的。
空间坐标变换
设两幅图像坐标系统之间几何畸变关系能用解析式来描述
若函数 h1(x,y) 和 h2(x,y) 已知，则可以从一个坐标系统的像 素坐标算出在另一坐标系统的对应像素的坐标。在未知情况 下， 通常h1(x,y)和h2(x,y)可用多项式来近似
离散退化模型
• 离散退化模型：
• 离散退化模型的矩阵表示：5122 5122 =262144 262144
[ g ] [ H ][ f ] [n ]
• H的矩阵表示：
[H0 ] [H ] [H ] 1 ...... [ H N 1 ]
[ H N 1 ] ...... [ H1 ] h( j,0) h( j, N 1) h( j,1) [ H 0 ] ...... [ H 2 ] h( j,0) [H ] ...... ...... ...... j ...... ...... [ H N 2 ] ...... [ H 0 ] h( j, N 1) h( j, N 2)
逆滤波复原法
对于线性移不变系统而言
上式两边进行傅立叶变换得
式中G(u,v),F(u,v),H(u,v)和N(u,v)分别是g(x,y), f(x,y), h(x,y) 和n(x,y)的二维傅立叶变换。H(u,v)称为系统的传递函数。 从频率域角度看，它使图像退化，因而反映了成像系统 的性能。
逆滤波复原法
式中N为多项式的次数，aij和bij为各项系数。
维纳滤波复原法
这一方法有如下特点： （1）当H（u,v）→0或幅值很小时，分母不为零，不会 造成严重的运算误差。 （2）在信噪比高的频域，即Pn(u,v)<<Pf(u,v)
1 H W (u, v ) H (u, v )
(3)在信噪比很小的频域，即|H(u,v)|<<Pn(u,v)/Pf(u,v)，
图像复原
• 图像退化现象：图像模糊、失真、噪声等。 • 图像退化原因；大气湍流效应、光学系统的绕射、光 学系统的像差、成像设备与物体的相对运动、传感器 特性的非线性、感光胶卷的非线性和胶片颗粒噪声、 摄像扫描所引起的几何失真等。 • 图像恢复：明确图像退化原因，建立数学模型，沿逆 过程恢复图像。 • 主要方法：代数方法恢复、运动模糊恢复、逆滤波恢 复、Wiener滤波恢复、功率谱均衡恢复、约束最小平 方恢复、最大后验恢复、最大熵恢复、几何失真恢复。
图像退化模型
由于许多种退化都可以用线性的位移不变模型来近似， 这样可把线性系统中的许多数学工具如线性代数用于求解 图像复原问题，从而得到简捷的公式和快速的运算方法。 当退化不太严重时，一般用线性位移不变系统模型来 复原图像。把它作为图像退化的近似模型，在很多应用中 有较好的复原结果，且计算大为简化。而实际上非线性和 位移变的情况能更加准确而普遍地反映图像复原问题的本 质，但在数学上求解困难。只有在要求很精确的情况下才 用位移变的模型去求解，其求解也常以位移不变的解法为 基础加以修改而成。因此本章着重介绍线性位移不变系统 的复原方法。
图像复原
(a)
(b)
用巴特沃思带阻滤波器复原受正弦噪声干扰的图像 (a) 被正弦噪声干扰的图像 (b) 滤波效果图
图像复原
(a)
(b)
维纳滤波器应用 (a) 受大气湍流的严重影响的图像 (b) 用维纳滤波器恢复出来的图像
图像退化模型
假定成像系统是线性位移不变系统（退化性质与图像 的位置无关），它的点扩散函数用h(x,y)表示，则获取的 图像g(x,y)表示为 g(x,y)=f(x,y)*h(x,y) 式中f(x,y)表示理想的、没有退化的图像，g(x,y)是劣 化（被观察到）的图像。 若受加性噪声n(x,y)的干扰，则退化图像可表示为 g(x,y)=f(x,y)*h(x,y)+n(x,y) 这就是线性位移不变系统的退化模型。
(a)图像退化响应 (b)逆滤波器响应 (c)改进的逆滤波器响应
逆滤波复原法
二是：使H(u,v)具有低通滤波性质。
1 2 2 2 (u v ) D0 1 H (u , v) H (u , v) 2 2 2 0 (u v ) D0
逆滤波复原法
• (a)点光源f(x,y)。(b)退化图像g(x,y) • G(u,v)=H(u,v)F(u,v)H(u,v)
维纳滤波复原法
采用维纳滤波器的复原过程步骤如下： (1)计算图像g（x,y）的二维离散傅立叶变换 得到G(u,v)。 (2)计算点扩散函数hw(x,y)的二维离散傅立叶 变换。同逆滤波一样，为了避免混叠效应引起 的误差，应将尺寸延拓。 (3)估算图像的功率谱密度 Pf和噪声的谱密度 Pn。 (4) 计算图像的估计值 。 (5)计算 的逆付氏变换，得到恢复后 的图像 。
逆滤波复原法
• (a)原图；(b)退化图像；(c)H(u,v)；(d)H(u,v)0
维纳滤波复原法
逆滤波复原方法数学表达式简单，物理意义明确。 然而存在着上面讲到的缺点，且难以克服。因此，在 逆滤波理论基础上，不少人从统计学观点出发，设计 一类滤波器用于图像复原，以改善复原图像质量。 Wienner滤波恢复的思想是在假设图像信号可近似看 作平稳随机过程的前提下，按照使恢复的图像与原图 像f(x,y)的均方差最小原则来恢复图像。
...... ...... ...... ......
h( j,1) h ( j ,2 ) ...... h( j,0)
图像复原模型
图像的退化/复原过程模型
f(x,y) g(x,y) 退化函数 H 噪声 n(x,y) 退化 复原 复原滤波 f(x,y)
图像f(x,y)被线性操作h(x,y)所模糊，并叠加上噪声 n(x,y)，构成了退化后的图像g(x,y)。退化后的图像与 复原滤波器卷积得到复原的f(x,y)图像。
HW(u,v)= 0
对于噪声功率谱Pn(u,v)，可在图像上找一块恒定灰度的区 域，然后测定区域灰度图像的功率谱作为Pn(u,v)。
去除由匀速运动引起的模糊
在获取图像过程中，由于景物和摄像机之间的相对运 动，往往造成图像的模糊。其中由均匀直线运动所造成 的模糊图像的恢复问题更具有一般性和普遍意义。因为 变速的、非直线的运动在某些条件下可以看成是均匀的、 直线运动的合成结果。 设图像f(x,y)有一个平面运动，令x0(t)和y0(t)分别为在x 和y方向上运动的变化分量。t表示运动的时间。记录介 质的总曝光量是在快门打开到关闭这段时间的积分。则 模糊后的图像为
f ( x , y ) hw ( x , y ) * g ( x , y ) F (u, v ) H W (u, v )G (u, v )
维纳滤波复原法
由Andrews和Hunt推导满足这一要求的传递函数为：
则有
这里，H*(u,v)是成像系统传递函数的复共轭；Hw(u,v) 就是维纳滤波器的传递函数。Pn（u,v）是噪声功率谱； Pf（u,v）是输入图像的功率谱。
图像的复原
图像复原是图像处理的另一重要课题。它的主要 目的是改善给定的图像质量并尽可能恢复原图像。 图像在形成、传输和记录过程中，由于成像系统、 传输介质和设备的不完善，使图像的质量变坏，这一 过程称为图像的退化。图像的复原就是要尽可能恢复 退化图像的本来面目，它是沿图像降质的逆向过程进 行。 典型的图像复原是根据图像退化的先验知识建立 一个退化模型，以此模型为基础，采用各种逆退化处 理方法进行恢复，使图像质量得到改善。可见，图像 复原主要取决于对图像退化过程的先验知识所掌握的 精确程度。
x a
可得
由水平方向均匀直线运动造成的图像模糊的模型及其恢 复用以下两式表示：
去除由匀速运动引起的模糊
沿水平方向匀速运动造成的模糊图像的恢复处理例子。 （a）是模糊图像，（b）是恢复后的图像。
去除由匀速运动引起的模糊
(a) 原始图像
(b) 模糊图像
(c) 复原图像
图像的几何校正
图像在生成过程中，由于系统本身具有非线性或拍摄角 度不同，会使生成的图像产生几何失真。几何失真一般分为 系统失真和非系统失真。系统失真是有规律的、能预测的； 非系统失真则是随机的。 当对图像作定量分析时，就要对失真的图像先进行精确 的几何校正（即将存在几何失真的图像校正成无几何失真的 图像），以免影响分析精度。基本的方法是先建立几何校正 的数学模型；其次利用已知条件确定模型参数；最后根据模 型对图像进行几何校正。通常分两步： ①图像空间坐标的变换； ②确定校正空间各像素的灰度值（灰度内插）。
维纳滤波复原法
• 功率谱特征：图像的功率谱具有低通性，噪声的功率 谱为常数或变化平缓。 • 图像信号近似看作平稳随机过程。 • 图像恢复准则：f(x,y)和 f ( x, y )的之间的均方误差e2达 到最小，即 • e 2 MinE {[ f ( x, y ) f ( x, y )]2 } • 线性滤波：寻找点扩散函数hw(x,y)，使得