图像复原 逆滤波复原与维纳滤波复原方法及比较
3
在 MATLAB 上消除运动模糊的实例如下： 维纳滤波分为约束复原，维纳滤波复原以及 MATLAB 上的实现。
4
逆滤波与维纳滤波的比较具体如下：
五．逆滤波复原与维纳滤波复原的比较
5
七．总结
MATLAB 功能的确强大，它的工具箱涉及的专业领域广泛．其中图像工具箱几乎 包括所有经典的图像处理方法。在进行图像处理的时候，既可以直接使用工具箱提供 的函数，也可以编写程序以定义或者改进函数的功能。同时，MATLAB 编程简单，可 以快速实现模拟仿真，从而大大提高了工作效率。但是 MATLAB 工具对程序的要求又 是十分之高，不允许有一点错误。和其他高级程序相比，程序的执行速度较慢。由于 MATLAB 的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速 度较慢，并且 MATLAB 的界面功能比较弱,不能实现交互界面、数据采集和端口操作等 功能。
巨大的影响，有可能使恢复的图像和 f(x,y)相差很大。因为该缺点难以克服，所以，
在逆滤波理论基础上，从统计学观点出发，设计一类滤波器用来图像复原，改善图像
的质量。
维纳滤波回复的思想是在假象图像信号可以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。
6
一．图像复原的意义
复原是图像处理的一个重要内容，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，受各种因素的影响，图像的质量都会 有所下降，典型表现有图像模糊、失真、有噪声等。这一质量下降的过程称为图像的 退化。图像复原的目的就是尽可能恢复退化图像本来面目。
二．维纳滤波的介绍
任课教师
成绩
论文题目：逆滤波复原与维纳滤波复原方法及比较
根据课程介绍的相关内容，从图像复原、分割、修复等方面，对目
前采用的前沿的方法理论及技术进行总结分析，题目自拟。
论文要求：（对论文题目、内容、行文、字数等作出判分规定。）
要求论文结构合理，逻辑性强，重复率不能超过 40%，内容具有一
定的前沿性。对于全文抄袭、逻辑混乱等情况均判 0 分。
而图像复原是数字图像处理中的重要组成部分，图像恢复是对变劣的图像进行恰 当处理，使图像更适合人眼观察或有利于从图像中提取信息。变劣特征有对比度降低， 信号减弱，图像模糊，图像上的噪声和图像几何畸变。
八．参考文献
[1]《数字图像处理（第 2 版）》，胡学龙，电子工业出版社，2011。
[2]《Visual C 数字图像获取、处理及实践应用》, 杨枝灵、王开,人民邮电出版
退化系统 H 具有齐次性，叠加性，线性，位置空间不变性等特性。在图像复原处
2
这样产生了运动模糊的图像并将它保存起来。在这个过程中，有两个方面需要注意-一 是 要 预 先 定 义 空 间 滤 波 函 数 PSF; 二 是 图 像 滤 波 函 数 MF=imfilter(C,PSF,'circular','conv');，imfilter 中，circular 用来减少边界效 应，conv 对原始函数进行卷积来得到退化图像。
[3]《数字图像处理（第二版）》，阮秋琦，电子工业出版社，2002 。 [4]《Visual C++图像处理程序设计（第 2 版）》，杨淑莹，清华大学、交通大学出版 社。 [5]《数字图像处理编程入门》，吕风军，清华大学出版社，1999。 [6]《数字图像处理（MATLAB 版）》，冈萨雷斯，电子工业出版社，2009。
社,2003。
六．逆滤波复原与维纳滤波复原比较得出的结论
分析，由维纳滤波与逆滤波的进一步比较发现，维纳滤波在图像受噪声影响时效 果比逆滤波要好，而且噪声越强优势越明显。
逆滤波复原方法数学表达式简单，物理意义明确。但是，当噪声不为零时，而且 H（u,v)很小或者为零的时候，噪声会被放大，也就是说会对逆滤波复原的图像产生
图像复原是图像处理中的一个重要问题。对于改善图像质量具有重要的意义。已 在实际应用中被证明是有效的重要的图像复原技术有很多,而维纳滤波法提供了一种 在有噪声情况下导出反卷积传递函数的最优方法,它是频率域最常用的一种恢复方 法。目前的 B 超声图像所展示的器官和组织的范围很小，而且图像的分辨率较低，同 时伪像也较多，这样在根据 B 超图像进行病情诊断时，常常出现由于 B 超图像模糊不 清而错误诊断病情的情况，造成严重的后果。因此，利用图像处理技术，对所获得的
不少于 3000 字。论文结尾应附至少 5 篇相关参考文献。
教师评语：
教师签字： 年月日
逆滤波复原与维纳滤波复原方法及比较
摘要
图像复原，即利用退化过程的先验知识，去恢复已被退化图像的本来面目。对遥 感图像资料进行大气影响的校正、几何校正以及对由于设备原因造成的扫描线漏失、 错位等的改正，将降质图像重建成接近于或完全无退化的原始理想图像的过程。图像 在形成，记录，处理和传输的过程中，因为成像系统，记录设备，传输介质和处理方 法的不完备导致图像质量的下降，也就是常说的图像退化。图像复原是对发生退化的 图像进行补偿，某种意义上对图像进行改进，改善输入图像的质量。我的这篇论文主 要介绍逆滤波图像复原，维纳滤波图像复原等方法，以及对他们之间进行比较。 关键词：图像复原、逆滤波复原、维纳滤波复原
三．算法：
不管使用哪种技术，图像复原的关键在于建立图像退化模型，用来反应图像退化 的原因。我们通常将退化原因作为线性系统退化的一个因素来对待，从而建立系统退 化模型来近似描述退化的原因。其基本思路是
理中，非线性和空间变化的模型更具有普遍性和准确性，但是他给处理工作带来困难， 常常没有解或者很难用计算机来处理，所以在数字图像处理中常常用线性和空间不变 性加以近似处理，它的优点是，可以直接利用线性系统中的许多理论和方法。
模型建立之后，接着要进行退化函数估计。 图像复原的主要目的是在给定退化图像和退化函数，噪声的了解和假设，图像恢 复可以看成是一个估计过程。如果已经给出了退化图像 g(x,y),并估计出系统参数 H， 从而可近似地恢复 f(x,y),这里，n(x,y)是一种统计性质的噪声信息。当然，为了对 处理结果做出某种最佳的估计，一般应首先明确一个质量标准。根据图像的退化模型 及恢复的基本过程可见，恢复处理的关键在于对系统 H 的基本了解。就一般而言，系 统是某些元件或部件以某种方式构造而成的整体。退化模型可分为连续函数退化模型 和离散函数退化模型. 估计退化函数的方法一般有三种：
1
B 超图像进行处理，提高超声图像的清晰度，就具有十分重要的意义。目前，提高 B 型超声图像的清晰度(主要是提高其横向分辨率)主要采用超声换能器阵列，利用动态 聚焦技术和对获得的超声图像进行图像增强的处理方法。这些方法对提高 B 型超声图 像的清晰度有很大帮助，但有的场合，以上的一些提高 B 型超声图像的清晰度的方法 不一定适用。如在眼科 B 型超声中，就不能采用换能器阵列，此时我们可以借用图像 复原的技术，采用维纳滤波的方法，来提高 B 型超声图像的横向分辨率时，得到较为 真实的超声信号的估计。同时，我们对利用单振子 B 超检查仪得到的超声模拟图像进 行了处理，提高了其横向分辨率。
学院________________专业_________________班级_____________专本 学号_________________姓名__________________
密封线 学生须将文字写在此线以下
鲁东大学信息与电气工程学院 学年第-----1----学期
《 》课程论文
课程号：
1）图像观察估计法 2) 实验估计法 3）模型估计发
四．图像使用逆滤波复原与维纳滤波复原的实例
首先给出一个由于运动造成的图像模糊的实例：
退化模型的建立，输入与输出的关系，可以用以下函数和图像来描述：
其中 g(x , y) 表示退化图像和 H(x , y)表示退化算子，n(x, y)表示一 种统计性质的信息， f(x , y) 表示原始图像。
第06章 图像复原
离散图像退化的数学模型
不考虑噪声则输出的降质数字图像为：
ge ( x, y)
m0 M 1
f (m, n)h ( x m, y n)
n 0 e e
N 1
二维离散退化模型可以用矩阵形式表示：
H0 H 1 H H2 H M -1 H M 1 H0 H1 H M -2 H M -2 H 1 H M 1 H 2 H0 H3 H M -3 H 0
离散图像退化的数学模型
• 通常有两种解决上述问题的途径：
◊ 通过对角化简化分块循环矩阵，再利用FFT快速 算法可以大大地降低计算量且能极大地节省存储 空间。 ◊ 分析退化的具体原因，找出H的具体简化形式。
舒服就行。
基本思路：
研究退化模型
高质量图像
图像退化
因果关系
退化了的图像
图像复原
复原的图像
图像复原
图像复原要明确规定质量准则 – 衡量接近原始景物图像的程度 图像复原模型 – 可以用连续数学或离散数学处理； – 图像复原根据退化的数学模型对退化图像进行 处理，其实现可在空间域卷积或在频域相乘。
图像f(x, y)经退化后的输出为g(x, y)：
g ( x, y ) H [ f ( x, y )] H f ( , ) ( x , y )dd
f ( , ) H [ ( x , y )]dd f ( , )h( x , y )dd
—由于图像复原中可能遇到奇异问题；
（2）逆问题可能存在多个解。
连续图像退化的数学模型
假定退化系统H是线性空间不变系统，则： (1) 线性： H k1 f1 ( x, y ) k 2 f 2 ( x, y ) k1 H f1 ( x, y ) k 2 H f 2 ( x, y )
【精选】图像处理-维纳滤波复原【PPT】PPT课件
维纳滤波
逆滤波处理比较简单，但没有清楚地说 明如何处理噪声，而维纳滤波综合了退化函 数和噪声统计特性两个方面进行复原处理。
逆滤波方法不能完全恢复原始信号f(x,y)，而只能
求出f(x,y)的一个估计值 ˆf x, y 。
希望找到一种方法，在有噪声条件下，从退化图像 g(x,y)复原出f(x,y)的估计值，该估计值符合一定的准 则。
1.储蓄存款
储 蓄 存 款
各考点细化及理解
考点一
收益
利息利=率本：金年X、利月
利率分：类
定流期动：性收：益转高化，为
1.由央行拟定，国活务期院：批收准益低、
2.贷款利率＞存款利率 3. 调风节险存、贷款量—通—胀通货风胀币险、量：提购前
4率.实多际少收益条件适：费中当，最利过好率少，＞不过通利多胀于不
“定存两年”相差( ) A．2 719.5元
D B．1 024.98元
C．960元
D．919.5元
80 000×2.85%×2-[80 000×2.25%＋(80
000×2.25%)×2.25%]
各考点细化及理解
考点二
1.商业银行 中央银行
不为利润
我 国
债权人——借钱出去 债务人——借钱进来
业务
银
关于利率的那些事
2.利率作用
利 率 调 节 经 济
各考点细化及理解
考点一
经济过热
提高利率，减少市
经济滞缓
降低利率，增加市
对点训练
1.某商业银行一年和两年定期存款利率分别是2.
，存款到期不取，银行会自动将利息并入本金再转
陈医生有80 000元现金，考虑到可能的应急需要，
维纳维纳滤波实现模糊图像恢复知识讲解
维纳维纳滤波实现模糊图像恢复维纳滤波实现模糊图像恢复摘要维纳滤波器是最小均方差准则下的最佳线性滤波器，它在图像处理中有着重要的应用。
本文主要通过介绍维纳滤波的结构原理，以及应用此方法通过MATLAB函数来完成图像的复原。
关键词：维纳函数、图像复原一、引言在人们的日常生活中，常常会接触很多的图像画面，而在景物成像的过程中有可能出现模糊，失真，混入噪声等现象，最终导致图像的质量下降，我们现在把它还原成本来的面目，这就叫做图像还原。
引起图像的模糊的原因有很多，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等，而图像的复原也有很多，常见的例如逆滤波复原法，维纳滤波复原法，约束最小二乘滤波复原法等等。
它们算法的基本原理是，在一定的准则下，采用数学最优化的方法从退化的图像去推测图像的估计问题。
因此在不同的准则下及不同的数学最优方法下便形成了各种各样的算法。
而我接下来要介绍的算法是一种很典型的算法，维纳滤波复原法。
它假定输入信号为有用信号与噪声信号的合成，并且它们都是广义平稳过程和它们的二阶统计特性都已知。
维纳根据最小均方准则，求得了最佳线性滤波器的的参数，这种滤波器被称为维纳滤波。
二、维纳滤波器的结构维纳滤波自身为一个FIR或IIR滤波器，对于一个线性系统，如果其冲击响应为()n h，则当输入某个随机信号)(nx时，Y(n)=∑-n )()(mnxmh式（1）这里的输入)()()(n v n s n x += 式（2）式中s(n)代表信号，v(n)代表噪声。
我们希望这种线性系统的输出是尽可能地逼近s(n)的某种估计，并用s^(n)表示，即)(ˆ)(y n sn = 式（3） 因而该系统实际上也就是s(n)的一种估计器。
这种估计器的主要功能是利用当前的观测值x(n)以及一系列过去的观测值x(n-1),x(n-2),……来完成对当前信号值的某种估计。
维纳滤波属于一种最佳线性滤波或线性最优估计，是一最小均方误差作为计算准则的一种滤波。
图像退化 图像复原解析
4记录和整理实验报告。
图像降质的数学模型图像复原处理的关键问题在于建立退化模型。
输入图像f(x, y)经过某个退化系统后输出的是一幅退化的图像。
为了讨论方便， 把噪声引起的退化即噪声对图像的影响一般作为加性噪声 考虑， 这也与许多实际应用情况一致，如图像数字化时的量化 噪声、 随机噪声等就可以作为加性噪声，即使不是加性噪声而 是乘性噪声， 也可以用对数方式将其转化为相加形式。
原始图像f(x, y) 经过一个退化算子或退化系统H(x, y) 的作用， 再和噪声n(x,y)进行叠加，形成退化后的图像g(x, y)。
图2-1表示退化过程的输入和输出的关系，其中H(x, y)概括了退化系统的物理过程，就是所要寻找的退化数学模型。
图2-1 图像的退化模型数字图像的图像恢复问题可看作是： 根据退化图像g(x , y)和退化算子H(x , y)的形式，沿着反向过程去求解原始图像f(x , y)， 或者说是逆向地寻找原始图像的最佳近似估计。
图像退化的过程可以用数学表达式写成如下的形式：g(x, y)=H ［f(x, y)］+n(x, y) (2-1)在这里，n(x, y)是一种统计性质的信息。
在实际应用中， 往往假设噪声是白噪声，即它的频谱密度为常数，并且与图像不相关。
在图像复原处理中， 尽管非线性、 时变和空间变化的系统模型更具有普遍性和准确性，更与复杂的退化环境相接近，但它给实际处理工作带来了巨大的困难， 常常找不到解或者很难用计算机来处理。
因此，在图像复原处理中， 往往用线性系统和空间不变系统模型来加以近似。
这种近似的优点使得线性系统中的许多理论可直接用于解决图像复原问题，同时又不失可用性。
f (x , y )g (x , y )2.2匀速直线运动模糊的退化模型在所有的运动模糊中，由匀速直线运动造成图象模糊的复原问题更具有一般性和普遍意义。
因为变速的、非直线运动在某些条件下可以被分解为分段匀速直线运动。
本节只讨论由水平匀速直线运动而产生的运动模糊。
用逆滤波和维纳滤波进行图像复原
用逆滤波和维纳滤波进行图像复原在图像的获取、传输以及记录保存过程中，由于各种因素，如成像设备与目标物体的相对运动，大气的湍流效应，光学系统的相差，成像系统的非线性畸变，环境的随机噪声等原因都会使图像产生一定程度的退化，图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。
由于图像的退化，使得最终获取的图像不再是原始图像，图像效果明显变差。
为此，要较好地显示原始图像，必须对退化后的图像进行处理，恢复出真实的原始图像，这一过程就称为图像复原。
图像复原技术是图像处理领域一类非常重要的处理技术，主要目的就是消除或减轻在图像获取及传输过程中造成的图像质量下降即退化现象，恢复图像的本来面目。
图像复原的过程是首先利用退化现象的某种先验知识，建立退化现象的数学模型，然后再根据退化模型进行反向的推演运算，以恢复原来的景物图像。
一、实验目的1了解图像复原模型2了解逆滤波复原和维纳滤波复原3掌握维纳滤波复原、逆滤波的Matlab实现二、实验原理1、逆滤波复原gxy,fxy,如果退化图像为，原始图像为，在不考虑噪声的情况下，其，，，，退化模型可用下式表示，,，, gxyfxydd,,,,,,,,,,,,,，，，，，，,,,,,,(12-25)由傅立叶变换的卷积定理可知有下式成立GuvHuvFuv,,,, ，，，，，，(12-26)Guv,Huv,Fuv,gxy,式中，、、分别是退化图像、点扩散函数，，，，，，，，hxy,fxy,、原始图像的傅立叶变换。
所以，，，，，，Guv,，，,,11fxyFFuvF,,,,，，，，，，,,，，Huv,，，，，(12-27)由此可见，如果已知退化图像的傅立叶变换和系统冲激响应函数(“滤被”传递函数)，则可以求得原图像的傅立叶变换，经傅立叶反变换就可以求得原始fxy,Guv,Huv,图像，其中除以起到了反向滤波的作用。
这就是逆滤波复，，，，，，原的基本原理。
在有噪声的情况下，逆滤波原理可写成如下形式GuvNuv,,，，，， Fuv,,,，，HuvHuv,,，，，，(12-28)式中，Nuv,是噪声nxy,的傅立叶变换。
数字图像处理图像复原PPT课件
第
五 章
4. 中点滤波器
-
图 像 复 原 简 介
36
-
5.4.2 顺序统计滤波器
第
五 5. 修正后的阿尔法均值滤波器
章 图 像 复 原 简 介
mn-1，
37
-
5.4.3 自适应滤波器
第
五 • 自适应滤波器
章 图 像 复 原 简 介
38
5.4.3 自适应滤波器
第
五 章
1. 自适应、局部噪声消除滤波器
介 复原始图像的最优估值。
√图像复原技术可以使用空间域或频率域滤波器
实现。
7
5.2 图像退化/复原过程的模型
第 五 章
图
-
像
复
原 √ f(x,y)表示一幅输入图像
简 介
√ g(x,y)是f(x,y)产生的一幅退化图像 √ H表示退化函数
√ η(x,y )表示外加噪声
√给定g(x,y)，关于退化函数H的一些知识和外加噪声项
g(x, y)
复
原
由于冲激的傅立叶变换为常数A,可得:
简
介
H(u,v) G(u,v)
A
64
第5章图像复原
退化函数
第 五 章
图
-
像
复
原
简
介
冲激特性的退化估计
(a) 一个亮脉冲
(b) 图像化的(退化的)冲激
65
第5章图像复原
5.6.2 退化函数
(3) 模型估计法 第
五 章
建立退化模型,模型要把引起退化的环境因素考虑在内.
15
-
5.3.1一些重要噪声的概率密度函数 (PDF)
第
五 4. 指数分布噪声
图像分析与处理图象恢复(二)
沉鱼落雁
约束PSF解卷法
(2)有噪声影响
c(x, y)趋向 (x, y)可能会把噪声放大 在 条件下，使 c(x, y)尽可能接
2 n 2
近 (x, y)。接近程度用窄度来测 量。
约束PSF解卷法
窄度 r2
2 w ( x , y ) c ( x , y ) dxdy
gHf n
下求Qf的最小化而得到f的最佳估计。
用拉格朗日法求 微分，
2 2 2 ˆ ˆ min J ( f ) Qf g H f n
ˆ) J (f ˆ 2HT (g Hf) 0 2QT Qf ˆ f ˆ (HTH QQ)1HT g f 1 其中
图象恢复的滤波方法
•逆滤波 •维纳滤波 •等功率谱滤波
逆滤波
假定退化图象遵从以下模型
g ( x , y ) f ( x , y ) * h ( x , y ) n ( x , y )
在不考虑噪声的情况下
G ( u , v ) F ( u , v ) H ( u , v )
写成
F ( u ,v ) G ( u ,v ) /H ( u ,v )
Terms
Circulant matrix:循环矩阵 Transpose:转置 Block matrix:分块矩阵 Block circulant matrix:分块循环矩阵 Impulse: 冲激函数 Dirac delta function: 狄拉克函数 Impulse response:冲激响应 Point spread function (PSF):点扩展函数
约束PSF解卷法
第7章 图象复原
n (x, y) f (x, y) H(x, y) g (x, y)
图7-1 图像的退化模型
21
数字图像的图像恢复问题可看作是：根据退化图像g(x,y) g(x,y)和 数字图像的图像恢复问题可看作是 ： 根据退化图像 g(x,y) 和 退化算子H(x,y)的形式 沿着反向过程去求解原始图像f(x, y)， 退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x, y)， H(x,y)的形式， 或者说是逆向地寻找原始图像的最佳近似估计。 或者说是逆向地寻找原始图像的最佳近似估计 。 图像退化的过 程可以用数学表达式写成如下的形式： 程可以用数学表达式写成如下的形式：
第七章 图像复原
Instructor：聂烜 ： School of Software Northwestern Polytechnical University
1
图象复原的意义
图像复原与图像增强技术一样， 图像复原与图像增强技术一样，也是一种改善图像质 量的技术。 量的技术。 在图像的获取、传输过程中，由于成像系统、 在图像的获取、传输过程中，由于成像系统、传输介 质等方面的原因， 质等方面的原因，不可避免地造成图像质量的下降 退化）。 （退化）。 图像的复原：根据事先建立起来的系统退化模型， 图像的复原：根据事先建立起来的系统退化模型，将 降质了的图像以最大的保真度恢复成真实的景物。 降质了的图像以最大的保真度恢复成真实的景物。
7
图像复原是利用退化现象的某种先验知识， 图像复原是利用退化现象的某种先验知识，建立退化现象的数学模 型，再根据模型进行反向的推演运算，以恢复原来的景物图像。 再根据模型进行反向的推演运算，以恢复原来的景物图像。 图像复原可以理解为图像降质过程的反向过程。 图像复原可以理解为图像降质过程的反向过程。建立图像复原的反 向过程的数学模型，就是图像复原的主要任务。 向过程的数学模型，就是图像复原的主要任务。经过反向过程的数学 模型的运算。 模型的运算。 要想恢复全真的景物图像比较困难，图像复原往往需要有一个质量 要想恢复全真的景物图像比较困难， 标准，即衡量接近全真景物图像的程度，或者说， 标准，即衡量接近全真景物图像的程度，或者说，对原图像的估计是 否到达最佳的程度。 否到达最佳的程度。 由于引起退化的因素众多而且性质不同， 由于引起退化的因素众多而且性质不同，为了描述图像退化过程所 建立的数学模型往往多种多样，而恢复的质量标准也往往存在差异性， 建立的数学模型往往多种多样，而恢复的质量标准也往往存在差异性， 因此图像复原是一个复杂的数学过程，图像复原的方法、 因此图像复原是一个复杂的数学过程，图像复原的方法、技术也各不 相同。 相同。
基于维纳滤波的图像复原
基于维纳滤波的图像复原基于维纳滤波的图像复原设计与实现摄影设备拍摄的图像，由于其硬件设备的限制往往造成图像的模糊、失真以及图像混杂噪声等问题。
于是，对于此类图像的复原技术就变得具有重要的实现意义。
本文将主要介绍退化模型，并分析逆滤波复原算法与维纳滤波复原算法，通过使用Matlab平台基于维纳滤波研究模糊图像的复原方法，并设计出合适的维纳滤波器进行复原仿真，对“含噪”图像进行复原。
标签：维纳滤波；逆滤波；图像复原；图像退化模型Image restoration design and implementation based on Wiener FilteringAbstract：The image taken by photographic equipment is often caused by the limitation of hardware equipment，such as image blur，distortion and image hybrid noise. Therefore，the restoration method of fuzzy images becomes of great significance. In this paper，it will mainly introduce the degradation model ，to analyze the inverse filtering algorithm and wiener filtering algorithm. The restoration method of fuzzy images is studied by using Matlab platform based on wiener filtering，and an appropriate wiener filter is designed for the restoration simulation，so as to restore these “noisy” images.Key words：Wiener filtering；inverse filtering；Image restoration；degradation model1.緒论1.1前言从摄影设备开始，图像在其形成、存储、处理和传输过程中，由于摄影设备、传输方式的不完善，例如监视器像素低等，造成的图像质量低下，称这种现象为“图像退化”。
基于维纳滤波的图像复原
基于维纳滤波的图像复原基于维纳滤波的图像复原设计与实现摄影设备拍摄的图像，山于其硬件设备的限制往往造成图像的模糊、失真以及图像混杂噪声等问题。
于是，对于此类图像的复原技术就变得具有重要的实现意义。
本文将主要介绍退化模型，并分析逆滤波复原算法与维纳滤波复原算法，通过使用Matlab平台基于维纳滤波研究模糊图像的复原方法，并设计出合适的维纳滤波器进行复原仿真，对“含噪”图像进行复原。
标签：维纳滤波；逆滤波；图像复原；图像退化模型Image restoration design and implementation based on Wiener FilteringAbstract：The image taken by photographic equipment is often caused by the limitation of hardware equipment, such as image blur, distortion and image hybrid noise. Therefore, the restoration method of fuzzy images becomes of great significance. In this paper, it will mainly introduce the degradation model , to analyze the inverse filtering algorithm and wiener filtering algorithm. The restoration method of fuzzy images is studied by using Matlab platform based on wiener filtering, and an appropriate wiener filter is designed for the restoration simulation, so as to restore these "noisy" images・Key words : Wiener filtering ； inverse filtering ； Image restoration ；degradation model1 •緒论1」前言从摄影设备开始，图像在其形成、存储、处理和传输过程中，由于摄影设备、传输方式的不完善，例如监视器像素低等，造成的图像质量低下，称这种现象为“图像退化程而根据建立的图像退化模型，界定噪声信号以及退化系统，从而得出“原始图像”，即是做到了对图像的复原。