《数字图像处理》课程教学课件（Digital Image Processing）图像复原与重建 5.1 图像退化复原过程的模型 5.2 噪声模型

第5章图像复原与重建 Image Restoration and Reconstruction

第5章 图像复原与重建 Image Restoration and Reconstruction

图像复原与图像增强 ■图像复原：Image Restoration也称图像恢复 图像复原vs.图像增强 不同之处： 图像恢复根据相应的退化模型和先验知识重建或恢复原始的图像 图像增强借助人的视觉系统特性，目的是改善图像的视觉效果，它可 以是一个失真的过程

 图像复原vs.图像增强 图像复原与图像增强  图像复原: Image Restoration 也称图像恢复 不同之处： 图像增强借助人的视觉系统特性，目的是改善图像的视觉效果，它可 以是一个失真的过程 图像恢复根据相应的退化模型和先验知识重建或恢复原始的图像

图像复原与图像增 图像复原：mage ■图像复原Vs.图像 不同之处： 图像恢复根据相应的退化模型和先验知识重建或恢复原始的图像 图像增强借助人的视觉系统特性，目的是改善图像的视觉效果，它可 以是一个失真的过程

 图像复原vs.图像增强 图像复原与图像增强  图像复原: Image Restoration 也称图像恢复 不同之处： 图像增强借助人的视觉系统特性，目的是改善图像的视觉效果，它可 以是一个失真的过程 图像恢复根据相应的退化模型和先验知识重建或恢复原始的图像

图像复原与图像增强 ■图像复原：Image Restoration也称图像恢复 ■图像复原Vs.图像增强 不同之处： 图像恢复根据相应的退化模型和先一 图像增强借助人的视觉系统特性， 以是一个失真的过程 相同之处：改进输入图像的视觉质量

 图像复原vs.图像增强 图像复原与图像增强  图像复原: Image Restoration 也称图像恢复 相同之处： 改进输入图像的视觉质量 不同之处： 图像增强借助人的视觉系统特性，目的是改善图像的视觉效果，它可 以是一个失真的过程 图像恢复根据相应的退化模型和先验知识重建或恢复原始的图像

图像复原与图像增强 图像增强 图像增强 图像增强 图像恢复 Image Processing

图像复原与图像增强 图像增强 图像增强 图像增强 图像恢复

图像复原与图像增强 图像增强/图像恢复 图像增强 /图像恢复 图像增强（失真的过程）

图像复原与图像增强 图像增强 /图像恢复 图像增强（失真的过程） 图像增强/图像恢复

主要内容 ·图像退化/复原过程的模型 ·噪声模型 ·空间域滤波方法 •频率域滤波方法 •退化函数的估计 ·逆滤波 ·维纳滤波

主要内容 • 图像退化/复原过程的模型 • 噪声模型 • 空间域滤波方法 • 频率域滤波方法 • 退化函数的估计 • 逆滤波 • 维纳滤波

5.1图像退化/复原过程的模型 图像退化(Degradation):得到的图像产生失真，未能反应真实内容。 举例：噪声、光照变化、运动模糊 8x,y)=9[f(x,y)】+n(x,y) FIGURE 5.1 A model of the g(x,y Degradation image f(x,y) Restoration 沘 f(x,y) degradation/ filter(s) restoration process. Noise n(x,y) the more we know about t and h, DEGRADATION RESTORATION the closer f(x,y)will be to f(x,y)

图像退化 (Degradation)：得到的图像产生失真，未能反应真实内容。 举例：噪声、光照变化、运动模糊 5.1 图像退化/复原过程的模型 the more we know about and h, the closer 𝑓መ(𝑥, 𝑦) will be to 𝑓(𝑥, 𝑦)

5.1图像退化/复原过程的模型 FIGURE 5.1 A model of the 8(x,y) image f(x.y) Degradation Restoration 9沘 f(x,y) degradation/ filter(s) restoration process. Noise n(x.y) DEGRADATION RESTORATION 若系统扰是一个线性，位置不变的退化系统，那么退化图像可表示为 g(x,y)=f(x,y)h(x,y)+n(x,y) 空间域退化模型 g(x,y)=[f(x,y)]+n(x,y) G(u,v)=F(u,v)H(u,v)+N(u,v) 频率域退化模型

空间域退化模型 频率域退化模型 5.1 图像退化/复原过程的模型 若系统 是一个线性，位置不变的退化系统，那么退化图像可表示为 g(𝑥, 𝑦) = 𝑓(𝑥, 𝑦)ℎ(𝑥, 𝑦) + 𝜂(𝑥, 𝑦) 𝐺(𝑢, 𝑣) = 𝐹(𝑢, 𝑣)𝐻 𝑢, 𝑣 + 𝑁(𝑢, 𝑣)

5.1图像退化/复原过程的模型 g(x,y)=f(x,y)h(x,y)+n(x,y) G(u,)=F(u,)H(u,)+N(u,) h(x,y) f(x,y) g(x,y) DFT DFT DFT F(u,v) H(u,v) G(u,)

g(𝑥, 𝑦) = 𝑓(𝑥, 𝑦)ℎ(𝑥, 𝑦) + 𝜂(𝑥, 𝑦) 𝐺(𝑢, 𝑣) = 𝐹(𝑢, 𝑣)𝐻 𝑢, 𝑣 + 𝑁(𝑢, 𝑣) 5.1 图像退化/复原过程的模型  = × = DFT DFT DFT 𝒇(𝒙, 𝒚) 𝑭(𝒖, 𝒗) 𝒉(𝒙, 𝒚) 𝑯(𝒖, 𝒗) g(𝒙, 𝒚) 𝑮(𝒖, 𝒗)