Размытие изображения с помощью слепой деконволюции
[ deconvolves изображение J,psfr] = deconvblind(I,psfi)I используя алгоритм максимального правдоподобия и начальную оценку функции точечного расширения (PSF), psfi. deconvblind функция возвращает оба размытых изображения J и восстановленный PSF, psfr.
Для улучшения реставрации, deconvblind поддерживает несколько дополнительных параметров, описанных ниже. Использовать [] в качестве местозаполнителя, если не указан промежуточный параметр.
[ указывает, какие пикселы во входном изображении J,psfr] = deconvblind(I,psfi,iter,dampar,weight)I рассматриваются в реставрации. Значение элемента в weight массив определяет, сколько пиксел в соответствующей позиции во входном изображении рассматривается. Например, чтобы исключить пиксель из рассмотрения, назначьте ему значение 0 в weight массив. Можно настроить значение веса, назначенное каждому пикселю, в соответствии с величиной коррекции плоского поля.
[, где J,psfr] = deconvblind(___,fun)fun - дескриптор функции, описывающий дополнительные ограничения в PSF. fun вызывается в конце каждой итерации. Дополнительные сведения об дескрипторах функций см. в разделе Создание дескриптора функции.
Создание образца изображения с шумом.
% Set the random number generator back to its default settings for % consistency in results. rng default; I = checkerboard(8); PSF = fspecial('gaussian',7,10); V = .0001; BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
Создайте массив весов, чтобы указать, какие пикселы включаются в обработку.
WT = zeros(size(I)); WT(5:end-4,5:end-4) = 1; INITPSF = ones(size(PSF));
Выполните слепую деконволюцию.
[J P] = deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT);
Просмотрите результаты.
subplot(221);imshow(BlurredNoisy); title('A = Blurred and Noisy'); subplot(222);imshow(PSF,[]); title('True PSF'); subplot(223);imshow(J); title('Deblurred Image'); subplot(224);imshow(P,[]); title('Recovered PSF');
Вы можете использовать deconvblind для выполнения деконволюции, которая начинается с остановки предыдущей деконволюции. Для использования этой функции передайте входное изображение I и начальное предположение на PSF, psfi, в качестве массивов ячеек: {I} и {psfi}. Когда вы делаете, deconvblind функция возвращает выходное изображение J и восстановленной функции точечного распределения, psfr, как массивы ячеек, которые затем могут быть переданы как входные массивы в следующий deconvblind звоните. Массив выходных ячеек J содержит четыре элемента:
J{1} содержит I, оригинальное изображение.
J{2} содержит результат последней итерации.
J{3} содержит результат итерации «следующий-последний».
J{4} - массив, генерируемый итеративным алгоритмом.
Выходное изображение J может проявлять вызывной сигнал, введенный дискретным преобразованием Фурье, используемым в алгоритме. Для уменьшения звонка используйте I = edgetaper(I,psfi) перед вызовом deconvblind.
[1] ОКРУГ ЮЖНАЯ КАРОЛИНА. Биггс и М. Эндрюс, Ускорение алгоритмов итеративного восстановления изображений, Applied Optics, том 36, № 8, 1997.
[2] Р. Дж. Ханиш, Р. Л. Уайт и Р. Л. Гиллиланд, деконволюции изображений и спектров космического телескопа Хаббл, деконволюция изображений и спектров, ред. П. А. Янссон, 2-е изд., Академическая пресса, Калифорния, 1997
Timothy J. Holmes, et al., Световые микроскопические изображения, реконструированные деконволюцией с максимальным правдоподобием, Справочник биологической конфокальной микроскопии, Ed. James B. Pawley, Plenum Press, Нью-Йорк, 1995.