deconvwnr

Изображение Deblur с помощью Винеровского фильтра

Синтаксис

J = deconvwnr(I,psf,nsr)
J = deconvwnr(I,psf,ncorr,icorr)

Описание

пример

J = deconvwnr(I,psf,nsr) deconvolves отображают I с помощью Винеровского алгоритма фильтра, возвращение deblurred отображает J. psf является функцией рассеяния точки (PSF), с которой применили операцию свертки к I. nsr является отношением степени шума к сигналу аддитивного шума. Алгоритм оптимален в некотором смысле наименьшего количества среднеквадратичной погрешности между предполагаемым и истинными изображениями.

J = deconvwnr(I,psf,ncorr,icorr) deconvolves отображают I, где ncorr является автокорреляционной функцией шума, и icorr является автокорреляционной функцией оригинального изображения.

Примеры

свернуть все

Считайте изображение в рабочую область и отобразите его.

I = im2double(imread('cameraman.tif'));
imshow(I);
title('Original Image (courtesy of MIT)');

Моделируйте размытость изображения движущегося объекта.

LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
figure, imshow(blurred)

Моделируйте аддитивный шум.

noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
                        noise_mean, noise_var);
figure, imshow(blurred_noisy)
title('Simulate Blur and Noise')

Попробуйте восстановление, принимающее шум.

estimated_nsr = 0;
wnr2 = deconvwnr(blurred_noisy, PSF, estimated_nsr);
figure, imshow(wnr2)
title('Restoration of Blurred, Noisy Image Using NSR = 0')

Попробуйте восстановление с помощью лучшей оценки шума, чтобы сигнализировать об отношении степени.

estimated_nsr = noise_var / var(I(:));
wnr3 = deconvwnr(blurred_noisy, PSF, estimated_nsr);
figure, imshow(wnr3)
title('Restoration of Blurred, Noisy Image Using Estimated NSR');

Входные параметры

свернуть все

Размытое изображение, заданное как числовой массив любой размерности.

Типы данных: single | double | int16 | uint8 | uint16

PSF, заданный как числовой массив.

Типы данных: double

Отношение шума к сигналу, заданное как положительная скалярная величина или числовой массив, одного размера как изображение, I. Если nsr является массивом, то он представляет спектральную область. Определение 0 для nsr эквивалентно созданию идеального обратного фильтра.

Типы данных: double

Автокорреляционная функция шума, заданного как числовой массив любого размера или размерности, не превышая оригинальное изображение.

  • Если размерность ncorr совпадает с размерностью изображения I, то значения соответствуют автокорреляции в каждой размерности.

  • Если ncorr является вектором, и psf является также вектором, то значения в ncorr представляют автокорреляционную функцию в первой размерности.

  • Если ncorr является вектором, и psf является массивом, то 1D автокорреляционная функция экстраполируется симметрией ко всем неодноэлементным размерностям psf.

  • Если ncorr является скаляром, то значение представляет степень шума изображения.

Типы данных: double

Автокорреляционная функция изображения, заданного как числовой массив любого размера или размерности, не превышая оригинальное изображение.

  • Если размерность icorr совпадает с размерностью изображения I, то значения соответствуют автокорреляции в каждой размерности.

  • Если icorr является вектором, и psf является также вектором, то значения в icorr представляют автокорреляционную функцию в первой размерности.

  • Если icorr является вектором, и psf является массивом, то 1D автокорреляционная функция экстраполируется симметрией ко всем неодноэлементным размерностям psf.

  • Если icorr является скаляром, то значение представляет степень шума изображения.

Типы данных: double

Выходные аргументы

свернуть все

Изображение Deblurred, возвращенное как числовой массив. J имеет совпадающий тип данных как I.

Советы

  • Выходное изображение J могло показать вызов, введенный дискретным преобразованием Фурье, используемым в алгоритме. Чтобы уменьшать вызов, используйте I = edgetaper(I,psf) прежде, чем вызвать deconvwnr.

Ссылки

[1] "Цифровая обработка изображений", R. C. Gonzalez & R. Э. Вудс, Addison-Wesley Publishing Company, Inc., 1992.

Представлено до R2006a