冈萨雷斯-笔记(四)-图像复原

原创文章,转载请留言,注明出处

图像复原与图像增强的区别在于,图像增强是一个主观的过程,而图像复原大部分是一个客观的过程,更通俗地说法就是图像增强为了让人眼看着舒服,图像复原则是去除图像的模糊成分。这两者不可避免地有些许重复的地方,下面开始对图像复原的相关知识进行介绍。

以下所有图像复原的方法都是以退化图像=原始图像+噪声的为前提的!(从这里也能看出,图像复原的一个重要部分就是去噪)

噪声滤波器

均值滤波器

  1. 算术均值滤波器
    这种滤波器的实现方法曾经在第一篇笔记中介绍过http://tombraiderjf.com/2016/02/29/2016-2-29-note/,可以直接利用MATLAB提供的函数来用大小不同的矩形掩模对像素灰度值求平均,在此不详述。

  2. 几何均值滤波器
    如果学过算术平均数和几何平均数的概念,应该很容易理解下面的公式(没什么好解释的)

    也很明显能看出它不属于线性滤波器,但是与算术均值滤波器相比,它的优势在于在滤波过程中丢失的图像细节更少

  3. 谐波平均滤波器

    处理高斯噪声和盐噪声效果好,但不适合胡椒噪声
  4. 逆谐波平均滤波器


其中Q为滤波的阶数。它适合消除或减少椒盐噪声,当Q>0时,用于消除胡椒噪声,当Q<0时,用于消除盐噪声,因此不能同时消除这两种噪声(注:盐=白色,椒=黑色)

统计排序滤波器

这部分也在第一篇博文里介绍过,不再详述。只提一下分类:中值滤波器,最大值和最小值滤波器,中点滤波器,阿尔法均值滤波器

自适应滤波器

看到这个滤波器的名称,大致就会明白它的滤波效果是比较强大的,但是性能和复杂度往往是负相关的,在这里也一样。考虑到噪声的随机性,如何在每一个小邻域Sxy内根据该区域噪声的强弱来确定该中心位置的灰度值呢?

它能够实现自适应主要体现在:当局部方差为0时,f(x,y)=g(x,y);当局部方差与噪声方差相等时,返回Sxy内的算术平均值;当局部方差远大于噪声方差时(出现边缘),f(x,y)约等于g(x,y);当局部方差与噪声方差总是相关的,则返回一个接近g(x,y)的值

Thank you for every coin~