《MATLAB图像处理实例详解》：CH_6（图像复原技术）

Love The Way You Lie 2022-11-26 07:52 145阅读 0赞

## 图像复原技术 ##

一、**常见噪声**  
1.高斯噪声(gaussian)、椒盐噪声(salt&pepper)、均匀分布噪声、指数分布噪声、伽马分布噪声  
2.添加噪声：imnoise(I,type,parameters);

高斯噪声

close all;clear all;clc;
    I=uint8(100*ones(256,256));
    J=imnoise(I,'gaussian',0,0.01);%高斯噪声，均值为0，方差为0.01
    K=imnoise(I,'gaussian',0,0.03);
    figure;
    subplot(121);imshow(J);
    subplot(122);imhist(J);%显示直方图信息
    figure;
    subplot(121);imshow(K);
    subplot(122);imhist(K);

椒盐噪声

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\grayBeauty.jpg');
    I=im2double(I);
    J=imnoise(I,'salt & pepper',0.01);%椒盐噪声，密度为0.01
    K=imnoise(I,'salt & pepper',0.03);
    L=medfilt2(K);%中值滤波，很好的去除椒盐噪声
    figure;
    subplot(131);imshow(J);
    subplot(132);imshow(K);
    subplot(133);imshow(L);

泊松噪声

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\meigui.jpg');
    J=imnoise(I,'poisson');
    figure;
    subplot(121);imshow(I);
    subplot(122);imshow(J);

乘性噪声

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\gray.jpg');
    J=imnoise(I,'speckle');%乘性噪声方差默认值为0.04
    K=imnoise(I,'speckle',0.2);
    figure;
    subplot(121);imshow(J);
    subplot(122);imshow(K);

均匀分布噪声

close all;clear all;clc;
    m=256;n=256;
    a=50;b=180;%50-180噪声均匀分布
    I=a+(b-a)*rand(m,n);
    figure;
    subplot(121);imshow(uint8(I));
    subplot(122);imhist(uint8(I));

二、**空域内滤波复原方法**  
均值滤波

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\grayBeauty.jpg');
    I=im2double(I);
    I=imnoise(I,'gaussian',0.05);
    PSF=fspecial('average',3);%用于建立预定义的滤波算子,产生3*3的矩阵
    J=imfilter(I,PSF);%算术均值滤波
    K=exp(imfilter(log(I),PSF));%几何均值滤波
    figure;
    subplot(131);imshow(I);
    subplot(132);imshow(J);
    subplot(133);imshow(K);

顺序统计滤波

%eg1:
    close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\grayBeauty.jpg');
    I=im2double(I);
    I=imnoise(I,'salt & pepper',0.1);
    domain=[0 1 1 0;1 1 1 1;1 1 1 1;0 1 1 0];
    J=ordfilt2(I,6,domain);%顺序统计滤波，选取第6个像素作为输出
    figure;
    subplot(121);imshow(I);
    subplot(122);imshow(J);
    
    %eg2
    close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\grayBeauty.jpg');
    I=im2double(I);
    I=imnoise(I,'salt & pepper',0.01);
    J=ordfilt2(I,1,ones(4,4));%顺序统计滤波，选取最大值作为输出
    K=ordfilt2(I,9,ones(3));%顺序统计滤波，选取最小值作为输出
    figure;
    subplot(131);imshow(I);
    subplot(132);imshow(J);
    subplot(133);imshow(K);

自适应滤波

close all;clear all;clc;
    RGB=imread('E:\Matlab_exercise\图片素材\Lian.jpg');
    I=rgb2gray(RGB);
    I=imcrop(I,[100,100,1024,1024]);%对图像进行剪切
    J=imnoise(I,'gaussian',0,0.03);
    [K,noise]=wiener2(J,[5 5]);%自适应滤波
    figure;
    subplot(121);imshow(J);
    subplot(122);imshow(K);

三、**图像复原方法**

逆滤波复原：傅里叶变换到频域处理后再反变换

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\grayBeauty.jpg');
    I=im2double(I);
    [m,n]=size(I);
    M=2*m;
    N=2*n;
    u=-m/2:(m/2-1);
    v=-n/2:(n/2-1);
    [U,V]=meshgrid(u,v);
    D=sqrt(U.^2+V.^2);
    D0=130;%滤波器截止频率
    H=exp(-(D.^2)./(2*(D0^2)));
    N=0.01*ones(size(I,1),size(I,2));
    N=imnoise(N,'gaussian',0,0.01);
    J=fftfilter(I,H)+N;
    figure;
    subplot(121);imshow(I);
    subplot(122);imshow(J,[]);%退化后的模糊图像
    HC=zeros(m,n);
    M1=H>0.1;
    HC(M1)=1./H(M1);
    K=fftfilter(J,HC);
    HC=zeros(m,n);
    M2=H>0.01;
    HC(M2)=1./H(M2);
    L=fftfilter(J,HC);
    figure;
    subplot(121);imshow(K,[]);%逆滤波复原，频率大
    subplot(122);imshow(L,[]);%逆滤波复原，频率小

维纳滤波复原

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\lian.jpg');
    I=rgb2gray(I);
    I=im2double(I);
    LEN=25;
    THETA=20;
    PSF=fspecial('motion',LEN,THETA);%产生运动模糊，位移为LEN,角度为THETA
    J=imfilter(I,PSF,'conv','circular');%退化
    NSR=0;
    K=deconvwnr(J,PSF,NSR);%维纳滤波复原
    figure;
    subplot(131);imshow(I);
    subplot(132);imshow(J);
    subplot(133);imshow(K);

约束最小二乘法复原

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\lian.jpg');
    I=im2double(I);
    PSF=fspecial('gaussian',8,4);%产生高斯模糊
    J=imfilter(I,PSF,'conv');%退化
    figure;
    subplot(121);imshow(I);
    subplot(122);imshow(J);
    v=0.02;
    K=imnoise(J,'gaussian',0,v);
    NP=v*prod(size(I));
    L=deconvreg(K,PSF,NP);%约束最小二乘法复原
    figure;
    subplot(121);imshow(K);
    subplot(122);imshow(L);

LUCY-RICHADSON复原

close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\lian.jpg');
    I=im2double(I);
    LEN=30;
    THETA=20;
    PSF=fspecial('MOTION',LEN,THETA);%产生运动模糊
    J=imfilter(I,PSF,'circular','conv');%退化
    figure;
    subplot(121);imshow(I);
    subplot(122);imshow(J);
    K=deconvlucy(J,PSF,5);
    L=deconvlucy(J,PSF,15);%LUCY-RICHADSON复原,15次迭代
    figure;
    subplot(121);imshow(K);
    subplot(122);imshow(L);

盲解卷积复原：不需要知道PSF，且可估计PSF

%eg1
    close all;clear all;clc;
    I=imread('E:\Matlab_exercise\图片素材\lian.jpg');
    I=im2double(I);
    LEN=20;
    THETA=20;
    PSF=fspecial('MOTION',LEN,THETA);%产生运动模糊
    J=imfilter(I,PSF,'circular','conv');%退化
    INITPSF=ones(size(PSF));
    [K,PSF2]=deconvblind(J,INITPSF,30);%盲解卷积复原
    figure;
    subplot(121);imshow(PSF,[]);
    subplot(122);imshow(PSF2,[]);
    axis auto;
    figure;
    subplot(121);imshow(J);
    subplot(122);imshow(K);
    
    %eg2
    close all;clear all;clc;
    I=checkerboard(8);
    PSF=fspecial('gaussian',7,10);
    v=0.001;
    J=imnoise(imfilter(I,PSF),'gaussian',0,v);
    INITPSF=ones(size(PSF));
    WT=zeros(size(I));
    WT(5:end-4,5:end-4)=1;
    [K,PSF2]=deconvblind(J,INITPSF,20,10*sqrt(v),WT);%盲解卷积复原
    figure;
    subplot(131);imshow(I);
    subplot(132);imshow(J);
    subplot(133);imshow(K);