В этом примере показано, как использовать Винеровскую развертку для изображений deblur. Винеровская развертка может использоваться эффективно, когда характеристики частоты изображения и аддитивного шума известны по крайней мере, до определенной степени.
Считайте и отобразите нетронутое изображение, которое не имеет размытости или шума.
Ioriginal = imread('cameraman.tif'); imshow(Ioriginal) title('Original Image')
Симулируйте размытое изображение, которое может следовать из движения камеры. Во-первых, создайте функцию рассеяния точки, PSF
, при помощи fspecial
функция и определение линейного движения через 21 пиксель под углом 11 градусов. Затем примените операцию свертки к функции рассеяния точки с изображением при помощи imfilter
.
Оригинальное изображение имеет тип данных uint8
. Если вы передаете uint8
отобразите к imfilter
, затем функция квантует выход для того, чтобы возвратить другой uint8
изображение. Чтобы уменьшать ошибки квантования, преобразуйте изображение в double
прежде, чем вызвать imfilter
.
PSF = fspecial('motion',21,11); Idouble = im2double(Ioriginal); blurred = imfilter(Idouble,PSF,'conv','circular'); imshow(blurred) title('Blurred Image')
Восстановите размытое изображение при помощи deconvwnr
функция. Размытое изображение не имеет шума, таким образом, можно не использовать шум к сигналу (NSR) входной параметр.
wnr1 = deconvwnr(blurred,PSF);
imshow(wnr1)
title('Restored Blurred Image')
Добавьте нулевой средний Гауссов шум в размытое изображение при помощи imnoise
функция.
noise_mean = 0; noise_var = 0.0001; blurred_noisy = imnoise(blurred,'gaussian',noise_mean,noise_var); imshow(blurred_noisy) title('Blurred and Noisy Image')
Попытайтесь восстановить размытое шумное изображение при помощи deconvwnr
не обеспечивая шумовую оценку. По умолчанию Винеровский фильтр восстановления принимает, что NSR равен 0. В этом случае Винеровский фильтр восстановления эквивалентен идеальному обратному фильтру, который может быть чрезвычайно чувствителен к шуму во входном изображении.
В этом примере шум в этом восстановлении усилен до такой степени, что содержимое изображения потеряно.
wnr2 = deconvwnr(blurred_noisy,PSF);
imshow(wnr2)
title('Restoration of Blurred Noisy Image (NSR = 0)')
Попытайтесь восстановить размытое шумное изображение при помощи deconvwnr
с более реалистическим значением предполагаемого шума.
signal_var = var(Idouble(:));
NSR = noise_var / signal_var;
wnr3 = deconvwnr(blurred_noisy,PSF,NSR);
imshow(wnr3)
title('Restoration of Blurred Noisy Image (Estimated NSR)')
Даже визуально незаметное количество шума может влиять на результат. Один источник шума является ошибками квантования от работы с изображениями в uint8
представление. Ранее, чтобы избежать ошибок квантования, этот пример симулировал размытое изображение от нетронутого изображения в типе данных double
. Теперь, чтобы исследовать удар ошибок квантования на восстановлении, симулируйте размытое изображение от нетронутого изображения в исходном uint8
тип данных.
blurred_quantized = imfilter(Ioriginal,PSF,'conv','circular'); imshow(blurred_quantized) title('Blurred Quantized Image')
Попытайтесь восстановить размытое квантованное изображение при помощи deconvwnr
не обеспечивая шумовую оценку. Даже при том, что никакой дополнительный шум не был добавлен, это восстановление ухудшается по сравнению с восстановлением размытого изображения в типе данных double
.
wnr4 = deconvwnr(blurred_quantized,PSF);
imshow(wnr4)
title('Restoration of Blurred Quantized Image (NSR = 0)');
Попытайтесь восстановить размытое квантованное изображение при помощи deconvwnr
с более реалистическим значением предполагаемого шума.
uniform_quantization_var = (1/256)^2 / 12;
signal_var = var(Idouble(:));
NSR = uniform_quantization_var / signal_var;
wnr5 = deconvwnr(blurred_quantized,PSF,NSR);
imshow(wnr5)
title('Restoration of Blurred Quantized Image (Estimated NSR)');
deconvwnr
| fspecial
| imfilter
| imnoise