MATLAB在图像复原中的应用研究
摘要：图像复原是图象处理的一个重要课题。图像复原也称图象恢复，是图象处理中的一大类技术。它的主要目的是改善给定的图像质量。当给定了一幅退化了的或者受到噪声污染了的图像后，利用退化现象的某种先验知识来重建或恢复原有图像是复原处理的基本过程。可能的退化有光学系统中的衍射，传感器非线性畸变，光学系统的像差，摄影胶片的非线性，大气湍流的扰动效应，图像运动造成的模糊及几何畸变等等。噪声干扰可以由电子成像系统传感器、信号传输过程或者胶片颗粒性造成。各种退化图像的复原都可归结为一种过程，具体地说就是把退化模型化，并且采用相反的过程进行处理，以便恢复出原图像。文章介绍了图象退化的原因，几种常用的图像滤波复原技术，以及用MATLAB实现图像复原的方法。
关键词：退化模型；噪声干扰；图像滤波；图像复原
1．图像复原的概念
1.1图像复原的定义
图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。
1.2 图象恢复与图象增强的异同
相同点：改进输入图像的视觉质量。
不同点：图象增强目的是取得较好的视觉结果(不考虑退化原因)；图象恢复根据相应的退化模型和知识重建或恢复原始的图像(考虑退化
原因)。
1.3图象退化的原因
图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。其原因是多方面的。如：
透镜象差/色差
聚焦不准（失焦，限制了图像锐度）
模糊（限制频谱宽度）
噪声（是一个统计过程）
抖动（机械、电子）
1.4图象退化举例
如图1所示是两个图象退化的例子。
图1 退化图像与原始图像
2．退化模型
2.1图象退化模型概述
图像复原处理的关键问题在于建立退化模型。在用数学方法描述图像时，它的最普遍的数学表达式为 t),z,y,(x,=I λf
这样一个表达式可以代表一幅活动的、彩色的立体图像。当研究的是静止的、单色的、平面的图像时，则其数学表达式就简化为 y)f(x,=I
基于这样的数学表达式，可建立如图2所示的退化模型。由图2的模型可见，一幅纯净的图像),(y x f 是由于通过了一个系统H 及加性噪声),(y x n 而使其退化为一幅图像),(y x g 的。
H
+
g(x,y)
f(x,y)
n(x,y)
图像复原可以看成是一个估计过程。如果已经给出了退化图像),(y x g 并估计出系统参数H ，从而可近似地恢复),(y x f 。这里，),(y x n 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复原的基本过程可见，复原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。
2.2连续函数退化模型
假定系统H 对坐标为(α,β)处的冲激函数δ(x-α,y-β)的冲激响应为h(x,α,y,β)，则
α,y,β)d αd βf(α,β)h(x,g(x,y)=
∞
∞
∞∞∫∫
此式说明，如果系统H 对冲激函数的响应为已知，则对任意输入的响
应可用上式求得，即，线性系统H 完全可以由冲激响应来表征。图像中冲激响应也称为点扩散函数。
在有噪音的情况下：
)
,(+),,,(),(=
),(y x n d d y x h f y x g βαβαβα∫∫∞
∞
-∞∞-
2.3离散函数退化模型
对和进行均匀取样后，就可引伸出离散函数的退化模型。用一维的来说明。如果f (x)和h(x)周期分别A 和B 的序列，为避免卷积周期重叠需要对它们进行周期扩展为周期为M ≥ A + B – 1。
f(x)0 ≤ x ≤ A-1h(x)0 ≤ x≤ B-1
f e(x)= h e(x)=
0A-1≤ x ≤ M-10 B-1< x ≤ M-1
那么它们的时域离散卷积可定义为下式：
显然，上式也是具有周期M的序列。
如果用矩阵来表示上述离散退化模型，可写成下式之形式:
退化过程为：
图像f(x,y)被线性操作h(x,y)所模糊，并叠加上噪声n(x,y)，构成了退化后的图像g(x,y)。退化后的图像与复原滤波器卷积得到复原f(x,y)图像。
退化函数复原函数
+
f(x,y)
g(x,y)
n(x,y)
f^(x,y)
退化
噪声
复原
3.图象复原技术
3.1无约束恢复
由退化模型得：^
-f
H
g
n=
最小均方误差准：)f
)(g-H
f
=(g-H
f
g-H
n=
=n
n T
^
^
2
^
2
在最小二乘方意义上说，希望找到一个^f使下式的值最小:
3.2 逆滤波
设M = N ，则：
退化函数H (u, v)与F (u, v)相乘为退化过程，用H (u, v)去除G (u, v) 是复原过程，称其为逆滤波。可描述为：
]
][
[
]
[f
H
g=
1-
1
1-
1
-
-
∑∑
1-
1-
e
e
e N
y
M
x
n
y
m
x
h
n
m
f
y
x
g
M
m
N
n
,
,
,
=
,
,
,
=
)
,
(
)
,(
=)
,(
==
2
2?f
H
g
n=
g
W
=D
f
W-
-
-1
1
^
1
1
,
,1,0
,
)
,
(
)
,
(
)
,
(?L M
v
u
v
u
H
v
u
G
v
u
F=
=
1-
10N
v u
v u
H
v u
J
v u
f,...
,
=
,
),(
/),(
=),(
^
g
W
g=WD
)
g=(WDW
=H
f-
-
-
-
-1
1
1
1
1
^
∑1-
e
e
e
1
-
1
-
M
m
M
x
m
x
h
m
f
x
g
=
,
,
,
=
)
(
)
(
=
)
(
记M (u, v)为复原转移函数，则其等于1 / H (u, v). 3.3 维纳（Wiener ）滤波器
它一种最小均方误差滤波器。
设 Rf 是 f
的相关矩阵： Rf 的第 ij 元素是E {fi
fj}，代表 f 的第 i 和第 j 元素的相关。
设 Rn 是n 的相关矩阵：
根据两个象素间的相关只是它们相互距离而不是位置的函数的假设，可将Rf 和Rn 都用块循环矩阵表达，并借助矩阵W 来对角化：
fe(x, y)的功率谱，记为Sf (u, v) ；ne(x, y)的功率谱，记为Sn(u, v)。
D 是1个对角矩阵，D(k, k) = λ(k)，则有：
定义： 代入：
两边同乘以W –1，有：
最后整理得：
3.4图像复原例图
以下的几幅图是用MATLAB 软件根据不同的复原方法进行的图像复原。根据图4例图可看出不同复原方法的区别。
原图 退化图像
全逆滤波 半径受限逆滤波 维纳滤波结果
图4复原例图
[]
[]
g
H R H+sR H g=H Q H+sQ H =f T -n
-f T T -T T 1
11^}=E{f f R T
f }=E{nn R T f 1-f =W AW R 1-n =W BW R 1
-H=WDW
n -f T R Q=R Q 1
[]
g H Q H+sQ H =f T -T
T 1^g
H )R H+sR =(H f T -n -f T 11^
22
1|(,)|?(,)(,)(,)|(,)|(,)/(,)f H u v F u v G u v H u v H u v S u v S u v η??=??+????
4．图像复原的MATLAB实现实例
维纳滤波复原
规则化滤波复原
Lucy-Richardson复原
盲目去卷积复原
5.结束语
本文简要介绍了图像退化的原因，图像退化的模型，图像复原的概念，几种常用的图像复原的方法，以及利用MATLAB实现图像复原的几个例子。简单的讲述了MATLAB在图像复原中的应用。
参考文献：
[1] (美)卡斯尔曼(castleman，k．R)著；朱志刚等译，数字图像处理。
电子工业出版社
[2] 孙家广等主编。计算机图形学。清华大学出版社
[3] 罗军辉等主编。MATLAB7.0在图像处理中的应用。机械工业出版社
[4] 张燕妮，离焦模糊复原方法研究[D]。大连理工大学
[5] 阮秋琦等译，数字图像处理（MATLAB版）[M]。电子工业出版社
[6] 章毓晋。图像处理和分析[M]。清华大学出版社
[8] 苏开亮。运动模糊图像的恢复及恢复质量评价[D]。西安电子科技大学出版社
[9] 龚声蓉，刘纯平，王强。数字图像处理与分析[M]。清华大学出版社
[10]徐飞，施晓红。MATLAB应用图像处理[M]。西安电子科技大学出版社附录：
（1）维纳滤波复原源代码：
I=checkerboard(8); noise=0.1*randn(size(I));
PSF=fspecial('motion',21,11);
Blurred=imfilter(I,PSF,'circular');
BlurredNoisy=im2uint8(Blurred+noise);
NP=abs(fftn(noise)).^2;
NPOW=sum(NP(:)/numel(noise));
NCORR=fftshift(real(ifftn(NP)));
IP=abs(fftn(I)).^2;
IPOW=sum(IP(:)/numel(noise));
ICORR=fftshift(real(ifftn(IP)));
ICORR1=ICORR(:,ceil(size(I,1)/2));
NSR=NPOW/IPOW;
subplot(221);imshow(BlurredNoisy,[]);
title('模糊和噪声图像');
subplot(222);imshow(deconvwnr(BlurredNoisy,PSF,NSR),[]);
title('deconbwnr(A,PSF,NSR)');
subplot(223);imshow(deconvwnr(BlurredNoisy,PSF,NCORR,ICORR),[] );
title('deconbwnr(A,PSF,NCORR,ICORR)');
subplot(224);imshow(deconvwnr(BlurredNoisy,PSF,NPOW,ICORR1),[] );
title('deconbwnr(A,PSF,NPOW,ICORR_1_D)');
（2）规则化滤波复原程序源代码：
I=checkerboard(8);
PSF=fspecial('gaussian',7,10);
V=.01;
BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V); NOISEPOWER=V*numel(I);
[J LAGRA]=deconvreg(BlurredNoisy,PSF,NOISEPOWER);
subplot(221);imshow(BlurredNoisy);
title('A=Blurred and Noisy');
subplot(222);imshow(J);
title('[J LAGRA]=deconvreg(A,PSF,NP)');
subplot(223);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10)); title('deconvreg(A,PSF,[],0.1*LAGRA)');
subplot(224);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10)) title('deconvreg(A,PSF,[],10*LAGRA');
（3）Lucy-Richardson复原滤波源代码：
I=checkerboard(8);
PSF=fspecial('gaussian',7,10);
V=.0001;
BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
WT=zeros(size(I));
WT(5:end-4,5:end-4)=1;
J1=deconvlucy(BlurredNoisy,PSF);
J2=deconvlucy(BlurredNoisy,PSF,20,sqrt(V));
J3=deconvlucy(BlurredNoisy,PSF,20,sqrt(V),[],WT);
subplot(221);imshow(BlurredNoisy);
title('A=Blurred and Noisy');
subplot(222);imshow(J1);
title('deconvlucy(A,PSF)');
subplot(223);imshow(J2);
title('deconvlucy(A,PSF,NI,DP)');
subplot(224);imshow(J3);
title('deconvlucy(A,PSF,NI,DP,[],WT)');
（4）盲目去卷积复原源代码：
I=checkerboard(8);
PSF=fspecial('gaussian',7,10);
V=.0001;
BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
WT=zeros(size(I));WT(5:end-4,5:end-4)=1;
INITPSF=ones(size(PSF));FUN=inline('PSF+P1','PSF','P1');
[J
P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0); subplot(221);imshow(BlurredNoisy);title('A=Blurred and Noisy'); subplot(222);imshow(PSF,[]);title('True PSF');
subplot(223);imshow(J);title('Deblured Image');
subplot(224);imshow(P,[]);
图像复原方法综述 1、摘要 图像是人类视觉的基础，给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。 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。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。 关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。通常，称由于这些因素引起的质量下降为图像退化。 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，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善。 由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。 图像复原算法是整个技术的核心部分。目前，国内在这方面的研究才刚刚起步，而国外
%1.使用函数fspecial创建退化滤波器PSF，然后调用imfilter对图像进行卷积运算，就可以 %得到一幅运动退化图像，观察并记录结果。 I=imread('C:\Documents and Settings\Administrator\桌面\16 \fig0222b.jpg'); %读入图像 LEN=31; THETA=11; PSF=fspecial('motion',LEN,THETA); %生成退化函数 blurred=imfilter(I,PSF, 'circular', 'conv'); figure subplot(1,2,1),imshow(I);title('原图像'); subplot(1,2,2),imshow(blurred);title('6.1 运动退化图像'); %2.使用imnoise函数对图像添加随机噪声，观察并记录结果。 fnblurred =imnoise( blurred, 'gaussian',0,0.001); %产生随机噪声图像 figure, imshow(fnblurred);title('6.2 加噪之后'); %3.使用函数deconvwnr对无噪声的运动模糊图像进行复原，观察并记录结果。同时采用不同的 %LEN和THETA参数，进行实验，体会一下退化函数PSF的重要性，观察并记录结果。 LEN=31; THETA=11; PSF=fspecial('motion',LEN,THETA); wnr1=deconvwnr(blurred,PSF); wnr2=deconvwnr(blurred, fspecial('motion',2*LEN,THETA)); wnr3=deconvwnr(blurred, fspecial('motion', LEN, 2*THETA)); figure imshow(wnr1);title('6.3.1 无噪运动模糊图像复原1'); figure subplot(1,2,1),imshow(wnr2);title('6.3.2 无噪运动模糊图像复原2'); subplot(1,2,2),imshow(wnr3);title('6.3.3 无噪运动模糊图像复原3'); %4.使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原，观察并记录结果。 wnr4=deconvwnr(fnblurred,PSF); figure,imshow(wnr4);title('6.4 维纳滤波复原'); %5.为了使维纳滤波复原的效果变好，必须使用deconvwnr函数的可选参数NSR、NCORR和ICORR， %通过改变参数获得不同的复原效果，观察并记录结果。
G(u,v) =F(u,v)+N(u, v) ⑶ 实验名称：图像退化与复原 实验目的 1. 了解光电图像的退化原因； 2. 掌握和理解基本的噪声模型，并能对图像进行加噪处理； 3. 了解点扩展函数(PSF)与光学传递函数(OTF)的关系，熟悉几种经典的退化模 型的 模拟试验和OTF 估计方法； 4. 熟悉和掌握几种经典的图像复原方法及其基本原理； 5. 能熟练利用MATLAB 或C/C++工具进行图像的各种退化处理， 并能编程实现 退化 图像的复原。 三. 实验原理 光电成像系统出现图像退化的过程是复杂多变的，为了研究的需要，通常情 况下都把退化简化为化为一个线性移不变过程，见下图 1所示。 障质过稈 | 屯原 图1光电图像退化与复原原理图 因此，在空域中退化过程可以表示如下： g (x,y) = f (x,y) * h(x,y) + h(x,y) (1) 只有加性噪声不存在情况下，退化过程可以模型化如下表达式： g(x,y) = f (x,y) + h(x,y) (2) 其频域表达式为 :
针对这种退化图像的复原，除了周期噪声以外，通常都可以采用空间域滤波 的方法进行图像复原，此时图像复原与图像增强几乎是没有区别的。常见的空间 域滤波方法有均值滤波器和统计排序滤波器。 当退化图像存在线性移不变退化时， 图像的复原不能采用简单空间域滤波器 来实现，要实现线性移不变退化图像的复原， 必须知道退化系统的退化函数，即 点扩展函数h(x,y)。在点扩展函数已知的情况下，常见图像复原方法有逆滤波 和维纳滤波两种。 在考虑噪声的情况下，逆滤波的原理可以表示如下： 通常情况下，N (u,v)是未知的，因此即使知道退化模型也不能复原图像 此外，当H (u,v )的任何元素为零或者值很小时，N (u,v )/H (u,v )的比值决定 着复原的结果，从而导致图像复原结果出现畸变。对于这种情况， 通常采用限制 滤波频率使其难以接近原点值，从而减少遇到零值的可能性。 维纳滤波则克服了逆滤波的缺点，其数学模型表示如下： 然而，为退化图像的功率谱很少是已知的，因此常常用下面表达式近似: 因此，本实验的内容就是利用上述经典图像复原的原理，对降质退化图像进 行复原。 四. 实验步骤 本次实验主要包括光电图像的退化模型和复原方法实现两大部分内容。 (一)图像的退化图像 1、大气湍流的建模 ° F(u,v) = G(u,v) U F(u,v) = G(u,v) H(u,v) F(u,v) + N(u,v) H(u,v) ° 犏 F (u,v)=犏 J _________ (u,v) H (u,v) H *(u,v)2 + S h (u,v)/S f (u,v) G(u,v)
实验五图像复原处理技术 实验目的 1 了解图像降质退化的原因，并建立降质模型。 2 理解反向滤波图像复原的原理 3 理解维纳滤波图像复原的原理实验原理图像复原处理一定是建立在图像退化的数学模型基础上的，这个退化数学模型应该能够 反映图像退化的原因。图像降质过程的模型如图5－1所示，其表达式为 g(x,y)=h (x,y)*f (x,y) +n (xy) （5.1） 图5－1图像降质模型 1、 滤波图像复原 逆滤波法是最简单的图像恢复方法。对5.1式两边作二维傅立叶变换，得到 G (u , v ) =H (u ,v) F (u ,v) + N (u ,v) H (u ,v) 为成像系统的转移函数。估算得到的恢复图像的傅立叶变换F ? (u ,v) 为 ()()()()()() ,,?,,,,G u v N u v F u v F u v H u v H u v ==+ (5.2) 若知道转移函数H (),u v ,5.2式经反变换即可得到恢复图像，其退化和恢复的全过程用图5-2表示。 图5－2频域图像降质及恢复过程
逆滤波恢复法会出现病态性，若H (),u v ，而噪声N(u,v) ≠0，则()(),,N u v H u v 比F (x,y)大很多，使恢复出来()?,f x y 与(),f x y 相差很大，甚至面目全非。一种改进的方法是在H (u , v ) =0 的频谱点及其附近，人为仔细设置()1,H u v -的值，使得在这些频 谱点附近，()(),,N u v H u v 不会对()?,F u v 产生太大影响。二种方法是考虑到降质系统的转移函数(),H u v 的带宽比噪声要窄的多，其频率特性也具有低通性质，因此可令逆滤波的转移函数()1,H u v 为 ()()()()1 222 11 2220 1,,0H u v u v D H u v u v D ?+≤?=??+>? （2）维纳滤波复原 逆滤波简单，但可能带来噪声的放大，而维纳滤波对逆滤波的噪声放大有抑制作用。 维纳滤波是寻找一个滤波器，使得复原后图像()?,f x y 与原始图像(),f x y 的方差最小，即 ()(){ }2 ?min ,,E f x y f x y ??=-?? 如果图像(),f x y 和噪声(),n x y 不相关，且(),h x y 有零均值，则可导出维纳滤波器的传递函数为 ()() () () () 2 2 ,1 ,,,,,w n f H u v H u v P u v H u v H u v P u v = ? + 式中(),n P u v 和(),f P u v 分别为噪声和原始图像的功率谱。实际上(),n P u v 和(),f P u v n 往往是未知的，这时常用常数K 来近似 () () ,,n f P u v P u v 。 【实验】产生一模糊图像，采用维纳滤波图像复原的方法对图像进行处理。 clear; %清除变量 d=15 %设定长度
任务书 1、课程设计目的： 1）提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。 2）熟悉掌握一门计算机语言，可以进行数字图像应用处理的开发设计。 2、课程设计的题目：运动模糊图像复原算法实现及应用 1）创建一个仿真运动模糊PSF来模糊一幅图像（图像选择原理）。 2）针对退化设计出复原滤波器，对退化图像进行复原（复原的方法自定）。 3）对退化图像进行复原，显示复原前后图像，对复原结果进行分析，并评价复原算法。 3、课程设计方案制定： 1）程序运行环境是Windows 平台。 2）开发工具选用matlab、VC++、VB、C#等，建议选用matlab作为编程开发工具，可以达到事半功倍的效果、并降低编程难度。 3）以组件化的思想构建整个软件系统，具体的功能模块根据选定的不同题目做合理的划分。 4、课程设计的一般步骤： 1）选题与搜集资料：选择课题，进行系统调查，搜集资料。 2）分析与设计：根据搜集的资料，进行功能分析，并对系统功能与模块划分等设计。 3）程序设计：掌握的语言，编写程序，实现所设计的功能。 4）调试与测试：自行调试程序，同学之间交叉测试程序，并记录测试情况。 5）验收与评分：指导教师对每个成员开发对的程序进行综合验收，综合设计报告，根据课程设计成绩的判定方法，评出成绩。 5、要求
1）理解各种图像处理方法确切意义。 2）独立进行方案的制定，系统结构设计合理。 3）程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时做适当的注释。 目录 摘要 (2) 一、概述 (3) 1.1选题背景 (3) 1.2课程设计目的 (4) 1.3设计内容 (5) 二、图像退化与复原 (6) 2.1图像退化与复原的定义 (6) 2.2图像退化模型 (7) 2.3运动模糊图像复原的方法 (7) 2.3.1逆滤波复原法 (8) 2.3.2维纳滤波的原理 (9) 三、运动模糊图象复原的matlab实现 (10) 3.1维纳滤波复原 (10) 3.2约束最小二乘滤波复原 (10) 3.3 运动模糊图像复原实例 (11) 四、课程设计总结与体会 (14)
图像复原信息132李佳奇1304010311 一、实验目的 1、熟悉并掌握MATLAB图像处理工具箱的使用； 2、理解并掌握常用的图像的恢复和分割技术。 二、实验内容 close all;clear all;clc; I=imread('d:/zhien.jpg'); I=im2double(I); I=imnoise(I,'gaussian',0.05);%添加高斯噪声 PSF=fspecial('average',3); J=imfilter(I,PSF); K=exp(imfilter(log(I),PSF)); figure; subplot(131);imshow(I); subplot(132);imshow(J); subplot(133);imshow(K); 维纳滤波 I=imread('d:/zhien.jpg'); H=fspecial('motion',50,45); J=imfilter(I,H,'circular','conv'); subplot(221);imshow(J); title('运动模糊后的lena.bmp(角度为45)'); J1=imnoise(J,'gaussian',0,0.01); subplot(222); imshow(J1); title('加噪模糊的lena.bmp');%figure; J2=deconvwnr(J1,H); subplot(223) imshow(J2); title('模糊噪声图像的维纳滤波复原'); noise=imnoise(zeros(size(I)),'gaussian',0,0.01); NSR=sum(noise(:).^2)/sum(im2double(I(:)).^2); J3=deconvwnr(J1,H,NSR);
实验五图像复原解决技术 实验目 1 理解图像降质退化因素，并建立降质模型。 2 理解反向滤波图像复原原理 3 理解维纳滤波图像复原原理实验原理图像复原解决一定是建立在图像退化数学模型 基本上，这个退化数学模型应当可以 反映图像退化因素。图像降质过程模型如图5－1所示，其表达式为 g(x,y)=h (x,y)*f (x,y) +n (xy) （5.1） 图5－1图像降质模型 1、 滤波图像复原 逆滤波法是最简朴图像恢复办法。对5.1式两边作二维傅立叶变换，得到 G (u ，v ) =H (u ,v) F (u ,v) + N (u ,v) H (u ,v) 为成像系统转移函数。估算得到恢复图像傅立叶变换F ? (u ,v) 为 ()()()()()() ,,?,,,,G u v N u v F u v F u v H u v H u v ==+ (5.2) 若懂得转移函数H (),u v ,5.2式经反变换即可得到恢复图像，其退化和恢复全过程用图5-2表达。
图5－2频域图像降质及恢复过程 逆滤波恢复法会浮现病态性，若H (),u v ，而噪声N(u,v) ≠0，则()(),,N u v H u v 比F (x,y)大诸多，使恢复出来()?,f x y 与(),f x y 相差很大，甚至面目全非。一种改进办法是在H (u ，v ) =0 频谱点及其附近，人为仔细设立()1,H u v -值，使得在这些频谱点附 近，()(),,N u v H u v 不会对()?,F u v 产生太大影响。二种办法是考虑到降质系统转移函数(),H u v 带宽比噪声要窄多，其频率特性也具备低通性质，因而可令逆滤波转移函数 ()1,H u v 为 ()()()()1 222 11 2220 1,,0H u v u v D H u v u v D ?+≤?=??+>? （2）维纳滤波复原 逆滤波简朴，但也许带来噪声放大，而维纳滤波对逆滤波噪声放大有抑制作用。维纳 滤波是寻找一种滤波器，使得复原后图像()?,f x y 与原始图像(),f x y 方差最小，即 ()(){ }2 ?min ,,E f x y f x y ??=-?? 如果图像(),f x y 和噪声(),n x y 不有关，且(),h x y 有零均值，则可导出维纳滤波器传递函数为 ()() ()()()() 2 2 ,1 ,,,,,w n f H u v H u v P u v H u v H u v P u v = ? + 式中(),n P u v 和(),f P u v 分别为噪声和原始图像功率谱。事实上(),n P u v 和(),f P u v n 往往是未知，这时惯用常数K 来近似 () () ,,n f P u v P u v 。
实验四噪声图像的复原 -、运动模糊与维纳滤波 1?实验方式 通过对图像添加运动模糊模拟实际拍照的延时效应，并且利用维纳滤波方式对图像进行滤波，观察维纳滤波对运动模糊的过滤效果，并对照其他几种滤波方式对运动模糊的影响。 实验代码： close all;clear all;clc; i=imread('E:\Matlabimage\book.jpg'); 匸rgb2gray(i); I = im2double(l); LEN = 21; THETA = 11; PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); wnr2 = dec onvwn r(blurred, PSF); subplot(2,2,1);imshow(i);title('原图') subplot(2,2,2);imshow(l);title('灰度图') subplot(2,2,3);imshow(blurred);title('运动模糊图像') subplot(2,2,4);imshow(wnr2);title('恢复图像') 代码解释：程序首先读取一幅JPG格式的彩色图片，然后将此图片转化为双精 度灰度图片，然后产生运动模糊算子PSF，其中参数LEN和THETA表示摄像物体逆时针方向一THETA方向运动了LEN个像素，并且通过imfilter实现运动模糊效果，将返回的结果放入blurred，然后通过deconvwnr实现滤波，并将滤波前后的图像显示出来。 实验结果：
二、利用MATLAB 实现频域滤波的程序 1、频域sobel 滤波 实验根据公式设计高通或低通滤波器对图像进行处理，并观察频域滤波的效果 实验代码： close all;clear all;clc; f=imread('camerama n.tif); F=fft2(f); %对图像进行傅立叶变换 %对变换后图像进行对数变化，并对其坐标平移，使其中心化 %将频谱图像标度在0-256的范围内 %显示频谱图像 %产生空间‘ sobe '模版 %查看相应频域滤波器的图像 %产生滤波时所需大小的矩阵 S=fftshift(log(1+abs(F))); S=gscale(S); figure,imshow(S) h=fspecial('sobel'); figure;freqz2(h) PQ=paddedsize(size (f)); 几种滤波方式对运动模糊的滤除效果对比： 运动模糊+维纳滤波： 运动模糊+中值滤波: 运动模糊+平均值滤波 由对比结果可知维纳滤波对运动模糊有很好的处理效果。
基于MATLAB的运动模糊图像恢复技术 王洪珏 （温州医学院，浙江，温州） 摘要：MATLAB是当今流行的科学计算软件，它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数，本文就这些函数的算法原理、运用和恢复处理效果结合实力效果作简要对比讨论。 0前言 图像复原时图像处理中一个重要的研究课题。图像在形成、传输和记录的过程中，由于传感器的噪声、摄像机未对好焦、摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响，使图像往往不是真实景物的完善影像。这种图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像质量下降的过程称为图像的退化。图像复原就是通过计算机处理，对质量下降的图像加以重建或恢复的过程。 图像复原过程一般为：找退化原因→建立退化模型→反向推演→图像复原 1算法产生概述 开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式（即空域形式、频域形式、矩阵-矢量形式或变换域形式）的相互转换，最后得到图像复原算式。 退化数学模型的空域、频域、矢量-矩阵表达形式分别是： g(x,y)=d(x,y)*f(x,y)+n(x,y) G(u,v)=D(u,v)〃F(u,v)+N(u,v) g=HF+n 其中：g(x,y)、d(x,y)、f(x,y)、n(x,y)分别为观测的退化图像、模糊函数、原图像、加性噪声，*为卷积运算符，（x=0,1,2，…，M-1），（y=0,1,2，…，N-1）。 2运动模糊的产生 景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。 由du/dt=0,文献[5]将这种运动模糊过程描述为波动方程：
图像复原 信息132 李佳奇 1304010311 一、实验目的 1、熟悉并掌握MATLAB 图像处理工具箱的使用; 2、理解并掌握常用的图像的恢复与分割技术。 二、实验内容 空域滤波复原 close all;clear all;clc; I=imread('d:/zhien 、jpg'); I=im2double(I); I=imnoise(I,'gaussian',0、05);%添加高斯噪声 PSF=fspecial('average',3); J=imfilter(I,PSF); K=exp(imfilter(log(I),PSF)); figure; subplot(131);imshow(I); subplot(132);imshow(J); subplot(133);imshow(K); 维纳滤波 I=imread('d:/zhien 、jpg'); H=fspecial('motion',50,45); J=imfilter(I,H,'circular','conv'); subplot(221);imshow(J); title('运动模糊后的lena 、bmp(角度为45)'); J1=imnoise(J,'gaussian',0,0、01); subplot(222); imshow(J1); title('加噪模糊的lena 、bmp');%figure; J2=deconvwnr(J1,H); subplot(223) imshow(J2); title('模糊噪声图像的维纳滤波复原'); noise=imnoise(zeros(size(I)),'gaussian',0,0、01); NSR=sum(noise(:)、^2)/sum(im2double(I(:))、^2); J3=deconvwnr(J1,H,NSR); subplot(224) imshow(J3); title('引入SNR 的维纳滤波复原'); 分析:空域滤波就就是在待处理图像中逐点地移动掩模。在每一点(x,y)处,滤波器在该点的响应通过事先定义的关系来计算。对于线性空间滤波,其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之与给出
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： 任课教师成绩 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 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 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
实验六 模糊图像恢复 一、实验目的 本实验是一个综合性实验，要求学生巩固学习多个知识点和内容，主要有： 1、理解掌握运动图像的退化模型； 2、掌握维纳滤波法的原理和实现方法； 3、在不同的噪声和点扩散函数参数下进行恢复，并比较结果； 4、通过分析和实验得出相应的结论。 二、实验准备 1、运动模糊退化模型：运动模糊是图像退化的一种，可以用数学表达式刻画出来。对线性移（空）不变系统，退化模型可表示为：g(x,y)=h(x,y)*f(x,y)+n(x,y)。对匀速直线运动而言，退化图像为： ()()()[]?--=T dt t y y t x x f y x g 000,, 其中x 0(t)和y 0(t)分别表示x 和y 方向的运动分量。并假设退化系统是线性移不变的，光学成像过程是完善的，快门开关是瞬间完成的。 对上式进行傅立叶变换，则得频域表达式为 ()()()[]()()[]()[]()()()[]{}) ,(),(2exp ,2exp ,2exp ,,000000v u H v u F dt t vy t ux j v u F dt dxdy vy ux j t y y t x x f dxdy vy ux j y x g v u G T T =+-=???? ????+---=+-=??????+∞∞-+∞∞-+∞∞-+∞ ∞-πππ 其中 ()()()[]{}dt t vy t ux j v u H T ?+-=0002exp ,π 假设景物只在x 方向匀速运动，在T 时间内共移动距离是a ，即x 0(t)=at/T ，y 0(t)=0,则 ()()[]ua j ua ua T dt T at u j v u H T ππππ-=?? ???? -=?exp sin 2exp ,0 在Matlab 中可用滤波器卷积的方法仿真出运动模糊图像。
数字图像复原技术中运动模糊图像相关问题研究【摘要】随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一，运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程；建立运动模糊退化模型；用维纳滤波复原方法对模糊图像进行复原；根据维纳滤波运动模糊图像复原方法中的不足之处，引入介绍了一种新的方法，降低了原有算法的复杂度，改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进，其他复原方法有待我们进一步研究。 【关键词】数字图像复原处理技术；运动模糊图像复原；维纳滤波复原；改进维纳滤波复原 图像成像的过程中存在很多的退化源，数字图像在获取、传输和存储过程中受各种原因的影响，会造成图像质量的退化，典型的表现有图像模糊、失真、有噪声等。运动模糊图像是由于相机和被拍摄对象之间的相对运动而造成的模糊现象，这一现象在日常生活中经常遇到，因此运动模糊图像复原技术便成为目前图像复原技术的研究热点之一，运动模糊图像复原是数字图像处理中的一个重要课题。它研究的主要目的是改善给定的图像质量并尽可能复原图像。图像复原的目的就是尽可能恢复被退化图像的本来面目。 运动模糊图像的复原方法研究非常具有现实意义。无论在日常生活还是在国防军工领域，运动造成图像模糊现象普遍存在，这给人
们生活和航空侦察等造成很多不便，所以很有必要对运动模糊图像的恢复做深入研究。在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦查和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。通过对于运动模糊图像的复原，使图像变的清晰，便于更好地提取相应信息。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 一、图像复原的基本概念 图像复原技术，也称为图像去卷积技术，它是按着图像模糊的反过程进行，其目的是获取清晰的，未被污染的图像的近似值，从而我们可以使用相关信息来正确解读图像所包含的有效信息。要想复原图像，其中必须要知道的是模糊是空域不变的还是空域变化的：空域不变意味着模糊和位置无关。也就是说，一个模糊的物体无论从图像的那个位置看都是一样的。空域变化意味着模糊和位置有关。也就是说，模糊图像中的物体因位置变化而看起来有所不同。 二、维纳滤波图像复原 从噪声中提取信号波形的各种估计方法中，维纳滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号，而不只是它的几个参量。 设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲
—182 — 雾天条件下的视频图像复原方法及其应用 葛君伟，谢祥华，方义秋 (重庆邮电大学GIS 研究所，重庆 400065) 摘 要：针对雾天户外视频图像的退化现象，提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布得到天空区域的灰度均值，同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值，利用同深度区域内像素点的对比度实现退化图像的复原。实验表明，该方法对雾天退化图像的清晰化效果较好。 关键词：雾天；大气模型；正态分布；归一化辐射率；深度区域 Video Image Restoration Method in Foggy Weather and Its Application GE Jun-wei, XIE Xiang-hua, FANG Yi-qiu (GIS Research Centre, Chongqing University of Posts & Telecommunications, Chongqing 400065) 【Abstract 】According to degraded phenomena of outdoor video images taken in foggy weather, this paper proposes an entirely self-adapting method of video image restoration on the basis of atmospheric model. Under the gray distributing characteristic of an image, the optimal normal distribution of the gray for sky region can be gained. The gray mean of the sky distribution can be obtained by the optimal normal distribution. At the same time, the iso-depth region can also be segmented according to the gray histogram and the value of normalized radiance can be solved. It uses contrast of pixels in iso-depth region to realize restoration of degraded images. Experiments show the method can effectively improve degraded images in foggy weather. 【Key words 】foggy weather; atmospheric model; normal distribution; normalized radiance; depth region 计 算 机 工 程 Computer Engineering 第36卷 第14期 Vol.36 No.14 2010年7月 July 2010 ·图形图像处理· 文章编号：1000—3428(2010)14—0182—03 文献标识码：A 中图分类号：TP391.41 1 概述 大多数的室外视频工作系统，如视频监控、地形勘测、自动驾驶等，都需要清晰准确地提取图像特征，但在雾天情况下，由于场景的能见度低，图像中目标对比度和颜色等特征被衰减，系统无法正常工作，因此需要在视频图像中消除雾天对场景图像的影响。雾天图像复原也称为去雾，如今已有多种去雾算法，具体的可以分为非模型的方法和基于物理模型的方法2类。 早期的去雾算法是用简单的图像处理方法改变对比度，如直方图均衡化和对比度拉升等，由于能见度具有指数衰减特性，因此这些方法并不能取得很好的效果。典型的非模型方法还包括基于小波和基于大气调制传递方程的方法。文 献[1]就是使用基于小波的方法对多幅雾天图像进行融合来获得一张较好的图像，但这种方法只能相对地提高图像质量，并不能实现真正意义上的去雾。文献[2]借助于大气调制传递方程进行雾天衰减图像的处理，但是需要事先知道雾天浓度和场景深度，在实际应用中难以实现。相比之下，基于物理模型的方法却能够取得较理想的去雾效果。 目前，雾天条件下的退化图像复原多采用大气物理模型方法。在使用该方法进行图像清晰化处理时，由于缺少参数，很难从一幅在恶劣天气情况下拍摄的单帧图像中恢复晴朗天气下对应场景图像的对比度和色度。如文献[3]利用2幅不同雾天情况下的退化图像求取天气信息和场景信息；文献[4]则需要2种不同天气状况下对同一场景的图像来估计深度信息。显然它们对视频图像采集的要求过于苛刻。为了有效解 决上述不足，本文提出了一种基于大气模型的完全自适应的景物影像复原方法。 2 大气模型的建立 文献[5]对恶劣天气下图像的成像机制进行了深入的研究并发现，在雾天状况下，景物成像机制主要有2种：(1)景物光通过大气传送到摄像机过程中的光线衰减机制；(2)大气中的粒子对环境光的散射，它也会对成像产生影响，称为Airlight 机制。 景物光经大气衰减后到达摄像机的光强度为 1e d E I βρ?∞= (1) 大气中的粒子将环境光散射到摄像机的光强度为 2)e E I ?∞=(1? (2) 在上述2种成像机制的共同作用下，摄像机接收到的光强度为 e ) e d E =I I β?ρ?∞∞+(1? (3) 其中，d 是景点深度；β是大气的散射系数；βd 称为景点的光学深度；I ∞是空间光强度；ρ是与景点反射系数、归一化空间照度谱和摄像机谱响应三者有关的函数，它与天气条 基金项目：重庆市教委基金资助项目(KJ090519) 作者简介：葛君伟(1961－)，男，教授、博士，主研方向：模式识别，图像处理，软件工程；谢祥华，硕士；方义秋，副教授 收稿日期：2010-01-09 E-mail ：mynamexxh@https://www.doczj.com/doc/7c6526828.html,
图像复原方面的实验： 2、最小二乘类（有约束的）复原： 程序： I1=imread('lena.bmp'); %读取原始图像 I=rgb2gray(I1); LEN=31; %图像的模糊化 THETA=11; PSF1=fspecial('motion',LEN,THETA); PSF2=fspecial('gaussian',10,5); Blurred1=imfilter(I,PSF1,'circular','conv'); Blurred2=imfilter(I,PSF2,'conv'); %模糊化图像加噪 V=.002; BlurredNoisy1=imnoise(Blurred1,'gaussian',0,V); BlurredNoisy2=imnoise(Blurred2,'gaussian',0,V); figure, subplot(1,3,1);imshow(I) title(' lena ') %用真实的PSF函数和噪声强度作为参数进行图像复原NP=V*prod(size(I)); reg1=deconvreg(BlurredNoisy1,PSF1,NP); reg2=deconvreg(BlurredNoisy2,PSF2,NP); figure; subplot(1,3,2);imshow(reg1); title('Restored1 with NP') figure; subplot(1,3,3) ;imshow(reg2); title('Restored2 with NP') 得到的结果如下： 原图：
“motion”复原图像：
五，图像恢复和重建 2007-3-5
5.1 概述和分类 5.2 退化模型和对角化5.3 无约束恢复 5.4 有约束恢复 5.5 交互式恢复 5.6 几何失真校正 5.7 投影重建
概述和分类 图象恢复也称图象复,原图象恢复与图象增强相同之处是，它们都要得到在某种意义上改进的图象，或者说都希望要改进输入图象的视觉质量。图象恢复与图象增强不同之处是，图象增强技术一般要借助人的视觉系统的特性以取得看起来较好的视觉结果，而图象恢复则认为图象是在某种情况下退化或恶化了(图象品质下降了)，现在需要根据相应的退化模型和知识重建或恢复原始的图象。换句话说，图象恢复技术是要将图象退化的过程模型化，并据此采取相反的过程以得到原始的图象。由此可见，图象恢复要根据一定的图象退化模型来进行。 在给定模型的条件下，图象恢复技术可分为无约束和有约束的两大类。根据是否需要外来于预，图象恢复技术又可分为自动和交互的两大类。另外根据处理所在域，图象恢复技术还可分为频域和空域两大类。许多图象恢复技术借助频域处理的概念，但越来越多的空域处理技术得到应用。 从广义的角度上来看图象恢复，它还可包括对在图象采集过程中产生的几何失真(畸变)进行校正以及根据对物体的多个投影重建图象的技术。前一种情况里将图象的几何失真看成一种退化，对其校正则看作是一种恢复过程。后一种情况里将图象的投影看作一种退化过程，而将重建图象作为一种恢复手段。
退化模型和对角化 5．2．1 退化模型 H 可有如下4个性质： (1)线性：如果令k1和k2为常数，f1(x，y)和f2(x，y)为2幅输入图象，则： (2)相加性：式(5．2．2)中如果kl=k2=1，则变成： (3)一致性：式(5．2．2)中如果f2(x，y)=0，则变成： 上式指出线性系统对常数与任意输入乘积的响应等于常数与该输入的响应的乘积， (4)位置(空间)不变性：如果对任意f(x，y)以及a和b，有： 线性系统的响应只与在该位置的输入值有关而与位置本身无关。
图像增强和复原image enhancement and restora-tion 利用数字图像处理技术可以将图像中感兴趣部分加以强调，对不感兴趣的部分予以抑制，强调后的部分对使用者更为清晰，甚至能给出一定的数量分析或不同颜色的表示。这种技术常称为图像增强。图像复原是通过图像滤波实现的。 图象增强方法 图像增强常用的方法包括直方图均衡化法、图像平滑法、图像尖锐化法和伪彩色法。直方图指的是一幅图像亮暗的分布情况，均衡化就是将一幅分布极不均匀的图像使其均匀化，从而改善图像的质量；平滑化和尖锐化是针对图像的细节和轮廓，平滑化使图像变得柔和，尖锐化使图像变得清晰；伪彩色法是将原为黑白颜色的图像转变为彩色图像，不同灰度用不同的颜色表示，从而可以更明显地分辨出图像中灰度变化的细节。 增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 中文名图像增强外文名image enhancement 类型频率域法和空间域法 目的改善图像的视觉效果 image enhancement 图像增强可分成两大类：频率域法和空间域法。 频率域法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。 空间域法空间中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某