图像退化在频域的关系表达式为G(u,v)=F(u,v)H(u,v)+N(u,v),若图像退化过程中没有噪声的影响,那么图像退化的频域关系表达式变为G(u,v)=F(u,v)H(u,v),那么其中,G(u,v)为退化图像的傅里叶变换,F(u,v)为原始图像的傅里叶变换,为复原图像的傅里叶变换,H(u,v)为退化系统的频率响应,N(u,v)为噪声信号的傅里叶变换,H-1(u,v)称为逆滤波器。这就表明若噪声为0,则采用逆滤波恢复法能完全再现原图像,但实际上碰到的问题都是有噪声的,因而只能在有噪声的情况下产生复原图像即
若噪声存在,并且H(u,v)很小或为0,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原图像f(x,y)相差很大,甚至面目全非。为此,改进的方法有如下3种。
(1)在H(u,v)=0处不做计算,即逆滤波为
(2)当H(u,v)非常小时,N(u,v)/H(u,v)对复原结果起着主导作用,而在大多数图像系统中,|H(u,v)|离开原点衰减很快,因此复原应局限于距离原点不远的有限区域内进行。逆滤波器为
式中:H1(u,v)——理想低通滤波器。
这种方法的缺点是会出现振铃效应。(www.xing528.com)
(3)为避免振铃效应,有一种改进的方法,即
其中,k和d均为小于1的常数,且d应选得较小。
逆滤波处理前后的图像如图6-10所示。
从图6-10(e)可以看出,对含有噪声的模糊图像采用逆滤波恢复法的恢复效果极差,但从图6-10(f)可知,若知道图像中的噪声分布,也是可以完全复原图像信息的。因此可知,逆滤波在图像没有噪声的情况下是很好的,但是它对噪声非常敏感,除非我们知道噪声的分布情况,否则逆滤波几乎不可用,但事实上,图像中噪声的分布情况很难预知。
图6-10 图像复原对比图
(a)原图;(b)运动模糊后的图像;(c)逆滤波;(d)运动模糊、高斯噪声后的图像;(e)噪声未知直接逆滤波;(f)噪声已知逆滤波
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。