-.z.GDOU-B-11-112廣東海洋大學(xué)學(xué)生實(shí)驗(yàn)報(bào)告書〔學(xué)生用表〕GDOU-B-11-112實(shí)驗(yàn)名稱圖像的根本操作課程名稱數(shù)字圖像處理課程號(hào)學(xué)院(系)信息學(xué)院專業(yè)電子信息工程班級(jí)電子1103班學(xué)生姓名杜嘉星**8實(shí)驗(yàn)地點(diǎn)實(shí)驗(yàn)日期實(shí)驗(yàn)7圖像的噪聲及恢復(fù)一、實(shí)驗(yàn)?zāi)康模毫私鈭D像的噪聲模型，學(xué)習(xí)降低噪聲、恢復(fù)圖像的處理方法二、實(shí)驗(yàn)內(nèi)容：學(xué)習(xí)并使用imnoise、spfilt等產(chǎn)生噪聲和濾波的函數(shù)1、噪聲模擬圖像增強(qiáng)操作主要是針對(duì)圖像的各種噪聲而言的。數(shù)字圖像產(chǎn)生噪聲的途徑有很多種。MATLAB圖像處理工具箱提供imnoise函數(shù)，可以用該函數(shù)給圖像添加不同種類的噪聲，該函數(shù)的調(diào)用格式如下：g=imnoise(f,‘type’,parameters)。f是輸入圖像，type和parameters的說(shuō)明見下表：typeparameters說(shuō)明gaussianm,v均值為m，方差為v的高斯噪聲localvarv均值為0，方差為v的高斯白噪聲Poisson無(wú)泊松噪聲salt&pepperd噪聲密度為d的椒鹽噪聲specklev均值為0，方差為v的均勻分布隨機(jī)噪聲函數(shù)imnoise在給圖像添加噪聲前，將它轉(zhuǎn)換為范圍[01]內(nèi)的double類圖像。指定噪聲參數(shù)時(shí)必須考慮到這一點(diǎn)。例如要將均值為64、方差為400的高斯噪聲添加到一幅uint8類圖像上，我們可將均值標(biāo)度為64/255，將方差標(biāo)度為400/(255)2，以便作為函數(shù)imnoise的輸入。讀入一幅圖像，使用上述函數(shù)對(duì)它添加各類噪聲。退化函數(shù)建模在圖像復(fù)原問(wèn)題中，一個(gè)重要的退化模型是在圖像獲取時(shí)傳感器和場(chǎng)景之間的均勻線性運(yùn)動(dòng)而產(chǎn)生的圖像模糊。我們可以使用函數(shù)fspecial對(duì)圖像模糊建模：PSF=fspecial(‘motion’,len,theta)。調(diào)用fspecial將返回PSF，它近似于由有著len個(gè)像素的攝像機(jī)的線性移動(dòng)的效果。參數(shù)theta以度為單位，以順時(shí)針?lè)较驅(qū)φ捷S度量。len的默認(rèn)值是9，theta的默認(rèn)值是0，它對(duì)應(yīng)于在水平方向上的9個(gè)像素的移動(dòng)。我們使用函數(shù)imfilter來(lái)創(chuàng)立一個(gè)PSF或用剛剛描述的方法計(jì)算得到的PSF的退化圖像：g=imfilter(f,PSF,’circular’)。其中，’circular’用來(lái)減少邊界效應(yīng)。然后通過(guò)添加適當(dāng)?shù)脑肼晛?lái)構(gòu)造退化的圖像模型：g=g+noise。噪聲的產(chǎn)生方法見內(nèi)容1。例如，我們先產(chǎn)生一個(gè)測(cè)試板圖像：f=checkerboard(8)。退化圖像使用如下命令產(chǎn)生：PSF=fspecial(‘motion’,7,45);gb=imfilter(f,PSF,‘circular’)。噪聲模式使用下面命令產(chǎn)生：noise=imnoise(zeros(size(f)),‘gaussian’,0,0.001)。通常，我們會(huì)直接使用imnoise(gb,‘gaussian’,0,0.001)將噪聲加到gb上，然而由于稍后需要噪聲圖像，所以在此我們單獨(dú)計(jì)算噪聲。加了噪聲的模糊圖像如下產(chǎn)生：g=gb+noise。運(yùn)行上述命令，觀察實(shí)驗(yàn)結(jié)果，注釋每條命令。仿照上述命令自己產(chǎn)生一個(gè)模糊噪聲圖像。直接逆濾波和維納濾波：維納濾波使用函數(shù)deconvwnr來(lái)實(shí)現(xiàn)。函數(shù)deconvwnr有三種可能的語(yǔ)法形式。在這些形式中，g代表退化圖像，fr是復(fù)原圖像。第一種語(yǔ)法形式fr=deconvwnr(g,PSF)假設(shè)信噪比為零，從而維納濾波器就是逆濾波器。第二種語(yǔ)法形式fr=deconvwnr(g,PSF,NSPR)假設(shè)信噪比功率，或是個(gè)常數(shù)或是個(gè)數(shù)組，函數(shù)承受其中的任何一個(gè)，這是一個(gè)參數(shù)維納濾波器。最后，語(yǔ)法形式fr=deconvwnr(g,PSF,NACORR,FACORR)假設(shè)噪聲和未退化圖像的自相關(guān)函數(shù)NACORR和FACORR是的。我們可以使用內(nèi)容2中的例子建立加了噪聲的模糊圖像模型，使用deconvwnr函數(shù)來(lái)復(fù)原模糊噪聲圖像。如下命令：fr1=deconvwnr(g,PSF)；fr1是直接逆濾波的結(jié)果，g是污染了的圖像，PSF是上例中計(jì)算出的點(diǎn)擴(kuò)散函數(shù)。由于噪聲的影響，結(jié)果并不理想。則如果g不含噪聲，使用直接逆濾波效果又是如何呢？實(shí)驗(yàn)驗(yàn)證你的結(jié)論。我們還可以用第二種語(yǔ)法形式的參數(shù)維納濾波器進(jìn)展濾波，命令如下：%計(jì)算信噪比Sn=abs(fft2(noise)).^2;nA=sum(Sn(:))/prod(size(noise));Sf=abs(fft2(f)).^2;fA=sum(Sf(:))/prod(size(f));R=nA/fA;%維納濾波fr2=deconvwnr(g,PSF,R);fr2和fr1相比擬效果要優(yōu)越得多。運(yùn)行上述命令，觀察實(shí)驗(yàn)結(jié)果，注釋每條命令，并答復(fù)相關(guān)問(wèn)題。仿照上述命令對(duì)自己產(chǎn)生的模糊噪聲圖像進(jìn)展恢復(fù)。三、實(shí)驗(yàn)要求：寫出處理過(guò)程，提交原圖像、噪聲圖像、模糊圖像和恢復(fù)后的圖像，注釋每條命令，并答復(fù)相關(guān)問(wèn)題。四丶實(shí)驗(yàn)程序代碼及圖片：對(duì)圖片添加各類噪聲：clearall;closeall;clc;f=imread('D:\image\avril.jpg');subplot(231);imshow(f);*label('(a)原圖');g=imnoise(f,'gaussian',0,0.02);%添加高斯噪聲subplot(232),imshow(g);*label('(b)高斯噪聲');g=imnoise(f,'Poisson');%添加泊松噪聲subplot(233);imshow(g);*label('(c)泊松噪聲');g=imnoise(f,'salt&pepper',0.02);%添加椒鹽噪聲subplot(234);imshow(g);*label('(d)椒鹽噪聲');g=imnoise(f,'speckle',0.01);%添加隨機(jī)噪聲subplot(235);imshow(g);*label('(e)隨機(jī)噪聲');對(duì)圖像進(jìn)展退化函數(shù)建模：f=imread('avril.jpg');%讀取圖片subplot(1,2,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對(duì)圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片imnoise(gb,'gaussian',0,0.001);%添加噪聲subplot(1,2,2);g=gb+noise;%產(chǎn)生加了噪聲的模糊圖像imshow(g);title('模糊噪聲圖像');添加噪聲后的圖片直接濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對(duì)圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片imnoise(gb,'gaussian',0,0.001);%添加噪聲subplot(1,3,2);g=gb+noise;%產(chǎn)生加了噪聲的模糊圖像imshow(g);title('模糊噪聲圖像');fr1=deconvwnr(g,PSF);subplot(1,3,3);imshow(fr1);title('添加噪聲直接濾波后圖像');不對(duì)圖片加噪聲，直接濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對(duì)圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片fr1=deconvwnr(g,PSF);subplot(1,3,3);imshow(fr1);title('不含噪聲，直接逆濾波');維納濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');noise=imnoise(zeros(size(f)),'gaussian',0,0.001);%給模版添加噪聲%計(jì)算信噪比Sn=abs(fft2(noise)).^2;nA=sum(Sn(:))/prod(size(noise));Sf=abs(fft2(f)).^2;fA=sum(Sf(:))/prod(size(f));R=nA/fA;%維納濾波fr2=deconvwnr(g,PSF,R);subplot(122);imshow(fr2);title('維納濾波');