Изображение Deblur с помощью метода Люси-Ричардсона
J = deconvlucy(I,psf)I это было ухудшено сверткой с функцией рассеяния точки (PSF), psf, и возможно аддитивным шумом. Алгоритм основан на максимизации вероятности что получившееся изображение J экземпляр оригинального изображения I под статистикой Пуассона.
Улучшить восстановление, deconvlucy поддержки несколько дополнительных параметров, описанных ниже. Использование как заполнитель, если вы не задаете промежуточный параметр.
J = deconvlucy(I,psf,iter,dampar,weight)I рассматриваются в восстановлении. Значение элемента в weight массив определяет, каким количеством рассматривается пиксель в соответствующем положении во входном изображении. Например, чтобы исключить пиксель из фактора, присвойте его значение 0 в weight массив. Можно настроить значение веса, присвоенное каждому пикселю согласно объему коррекции плоского поля.
deconvlucyСчитайте и отобразите нетронутое изображение, которое не имеет размытости или шума. Этот пример опционально обрезки изображение к размеру 256 256 с верхним левым (x, y) координируют в (2,50).
I = imread('board.tif'); I = imcrop(I,[2 50 255 255]); imshow(I) title('Original Image')
Создайте PSF, который представляет Гауссову размытость со стандартным отклонением 5 и фильтр размера, 5 на 5.
PSF = fspecial('gaussian',5,5);Симулируйте размытость в изображении.
blurred = imfilter(I,PSF,'symmetric','conv');
Добавьте симулированный нулевой средний Гауссов шум.
V = 0.002; blurred_noisy = imnoise(blurred,'gaussian',0,V); imshow(blurred_noisy) title('Blurred and Noisy Image')
Используйте deconvlucy восстановить размытое и шумное изображение. Задайте PSF, используемый, чтобы создать размытость и сократить число итераций к 5.
luc1 = deconvlucy(blurred_noisy,PSF,5);
imshow(luc1)
title('Restored Image')
Создайте демонстрационное изображение и размойте его.
I = checkerboard(8); PSF = fspecial('gaussian',7,10); V = .0001; BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
Создайте массив весов и вызовите deconvlucy использование нескольких дополнительных параметров.
WT = zeros(size(I)); WT(5:end-4,5:end-4) = 1; J1 = deconvlucy(BlurredNoisy,PSF); J2 = deconvlucy(BlurredNoisy,PSF,20,sqrt(V)); J3 = deconvlucy(BlurredNoisy,PSF,20,sqrt(V),WT);
Отобразите результаты.
subplot(221);imshow(BlurredNoisy); title('A = Blurred and Noisy'); subplot(222);imshow(J1); title('deconvlucy(A,PSF)'); subplot(223);imshow(J2); title('deconvlucy(A,PSF,NI,DP)'); subplot(224);imshow(J3); title('deconvlucy(A,PSF,NI,DP,WT)');
Можно использовать deconvlucy выполнять развертку, которая запускается где предыдущая остановленная развертка. Чтобы использовать эту функцию, передайте входное изображение I как массив ячеек, {I}. Когда вы делаете, deconvlucy функция возвращает выходное изображение J как массив ячеек, который можно затем передать как входной массив в следующий deconvlucy вызвать. Выходной массив ячеек J содержит четыре элемента:
J{1} содержит I, оригинальное изображение.
J{2} содержит результат последней итерации.
J{3} содержит результат предпоследней итерации.
J{4} массив, сгенерированный итеративным алгоритмом.
Выходное изображение J мог показать вызов, введенный дискретным преобразованием Фурье, используемым в алгоритме. Чтобы уменьшать вызов, используйте I = edgetaper(I,psf) прежде, чем вызвать deconvlucy.
deconvlucy преобразует PSF в double без нормализации.
deconvlucy возвращаемые значения мая в выходном изображении, которые являются вне области значений входного изображения.
[1] D.S.C. Четырехрядные ячмени и М. Эндрюс, Ускорение итеративных алгоритмов восстановления изображений, Прикладной Оптики, Издания 36, № 8, 1997.
[2] Р.Дж. Хэниш, Р.Л. Вайт, и Р.Л. Джиллилэнд, Развертки Изображений Космического телескопа Хабблa и Спектров, Развертка Изображений и Спектров, Эда. П.А. Янссон, 2-й редактор, Academic Press, CA, 1997.