数字图像处理第五章--图像复原与重建

• • 5 图像复原与重建
  • • 5.2 噪声模型
    • • 5.2.2 按PDF分类的常见噪声
    • 5.3 只存在噪声的复原------空间滤波
    • • 5.3.1 均值滤波
    • 5.4 频率域滤波降低周期噪声
    • 5.6 估计退化函数H
    • • 5.6.1 观察估计
    • 5.7 逆滤波
    • 5.8 最小均方误差滤波（维纳滤波）

1.主要内容

• 图像退化、复原内涵
• 噪声模型
• 空间域滤波去除噪声
• 频率域滤波去除噪声
• 退化函数估计、建模，维纳滤波，最小二乘滤波

2、基本要求

• 理解图像复原的概念，图像退化与复原模型
• 掌握常用的噪声统计模型与空间滤波
• 掌握频域消除周期噪声的建模方法
• 掌握图像退化函数的估计方法，包括观察估计、实验估计。
• 掌握逆滤波、维纳滤波与最小二乘滤波。

3、重点、难点

• 图像复原建模，理解与图像增强的区别（重点）
• 基于统计模型的随机噪声的空间滤波（重点）
• 利用带通、带阻滤波器消除周期噪声（重点、难点）
• 退化函数的观察估计、实验估计与建模估计（重点、难点）

4、图像退化、复原都是改进图像的方式

• 二者有重叠
• 增强偏主观
• 复原偏客观
• 建立退化模型
• 用逆过程复原图像

若H是线性位置不变算子，则空间域退化模型为：

高斯噪声：

各个噪声模型对应的图像：

频率点的中心化，为什么出现关于对称的两个点？

1.算术平均滤波

使用均值模板滤波
在这里插入图片描述

G(u，v) = H(u,v)F(u,v) + N(u,v)

在这里插入图片描述