实验四——数字图像恢复

一、实验目的和要求

1、了解图像退化/复原处理方法；

2、掌握图像复原的原理及实现方法；

3、熟悉常见的几种噪声类型和滤波复原方法

二、实验内容简介

1、图像退化、恢复模型和图像噪声

2、图像空域恢复技术

3、图像频域恢复技术

三、 实验步骤

1、为图像增加噪声并显示

?2、对含噪灰度图像进行恢复

可以看出，数值越高，导致图像边界变得模糊。?

3、?自适应中值滤波器的实现

可以看出：均值滤波的处理结果仍较模糊，自适应的效果更好，能让局部的像素点看起来更加的清晰，但实现起来较复杂。

4、?对含噪图像进行带通滤波取出噪声信号

?5、对cougar图像添加噪声并进行空域和频域滤波

?四、习题

?1、对cougar图像添加高斯噪声

经过对比发现：高斯噪声的均值越大，方差越小，像素损失越大。?

2、?对含高斯噪声的cougar图像进行带通滤波

五、实验心得

?1、通过本次实验掌握了给图像添加噪声和去噪的操作，认识了几种噪声，其中最常用的是椒盐噪声，它是一种随机出现的白点或者黑点。椒盐噪声是指两种噪声：一种是盐噪声，一种是胡椒噪声；盐指的是白色，椒指的是黑色；前者是高灰度噪声，后者属于低灰度噪声。函数g=imnoise(f，‘salt&pepper’，d)给图像f添加椒盐噪声。

2、学习了几种滤波方法。①均值滤波：把每个像素都用周围的8个像素来做均值操作。可以平滑图像，速度快，算法简单。但是无法去掉噪声。②中值滤波：常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。适用于椒盐噪声这种类型的噪声。实验对比发现：均值滤波是去除高斯噪声的有效手段；中值滤波是去除椒盐噪声的有效手段。

3、学会了对含噪图像进行带通滤波取出噪声信号。①带阻滤波器：阻止一定频率范围内的信号通过而允许其他频率范围内的信号通过。②带通滤波器：允许一定频率范围内的信号通过而阻止其它频率范围内的信号通过。带通和带阻互补。

4、学习了了以下函数：

（1）imnoise函数----给图像加入噪声

g=imnoise(f，‘gaussian’，m，var)是将均值为m，方差为var的高斯噪声加到图像f上。m的默认值是0，var默认值是0.01。

g=imnoise(f，‘salt&pepper’，d)给图像f添加椒盐噪声，其中d是噪声密度（即包含噪声值的图像区域的百分比）。因此，大约有d*numel（f）个像素受到污染，默认的噪声密度为0.05。

g=imnoise(f，‘speckle’，var)用方程g=f+n*f将乘性噪声添加到图像f上，其中n是均值为0、方差为var的均匀分布的随机噪声。var的默认值为0.04。

（2）medfilter2函数---二维中值滤波

B = medfilt2(A, [m n])

B = medfilt2(A)

B = medfilt2(A, ’indexed’, ...)

其中[m n]表示邻域块的大小，默认值为[3 3]。

（3）imfilter函数----多维滤波

g=imfilter(f,w,options,…)

f：原始输入图像。w：滤波掩模（如我们平时常会用到的一些边沿检测算子、对象进行平滑的高斯算子等）g：对原始图像进行滤波后得到的输出图像。默认情况下尺寸与原始图像相同。后面的options对应的参数可选，不选的话有其默认值。