Размытие изображения методом Люси-Ричардсона
J = deconvlucy(I,psf)I который был деградирован сверткой с функцией точечного расширения (PSF), psfи, возможно, аддитивным шумом. Алгоритм основан на максимизации вероятности того, что полученное изображение J является экземпляром исходного изображения I в разделе статистики Пуассона.
Для улучшения реставрации, deconvlucy поддерживает несколько дополнительных параметров, описанных ниже. Использовать [] в качестве местозаполнителя, если не указан промежуточный параметр.
J = deconvlucy(I,psf,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.
deconvlucyЧтение и отображение нетронутого изображения, не имеющего размытия или шума. В этом примере изображение, возможно, будет обрезано до размера 256 на 256 с верхней левой (x, y) координатой (2,50).
I = imread('board.tif'); I = imcrop(I,[2 50 255 255]); imshow(I) title('Original Image')
Создайте PSF, который представляет размытие по Гауссу со стандартным отклонением 5 и фильтром размером 5 на 5.
PSF = fspecial('gaussian',5,5);Моделирование размытия изображения.
blurred = imfilter(I,PSF,'symmetric','conv');
Добавьте смоделированный нулевой средний гауссов шум.
V = 0.002; blurred_noisy = imnoise(blurred,'gaussian',0,V); imshow(blurred_noisy) title('Blurred and Noisy Image')
Использовать deconvlucy для восстановления размытого и шумного изображения. Укажите PSF, используемый для создания размытия, и уменьшите число итераций до 5.
luc1 = deconvlucy(blurred_noisy,PSF,5);
imshow(luc1)
title('Restored Image')
Создайте образец изображения и размыте его.
I = checkerboard(8); PSF = fspecial('gaussian',7,10); V = .0001; BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
Создайте массив весов и вызовите функцию deconvlucy, используя несколько 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);
Просмотрите 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)');
Вы можете использовать deconvlucy для выполнения деконволюции, которая начинается с остановки предыдущей деконволюции. Для использования этой функции передайте входное изображение I как массив ячеек, {I}. Когда вы делаете, deconvlucy функция возвращает выходное изображение J как массив ячеек, который затем можно передать как входной массив в следующий deconvlucy 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,psf) перед вызовом deconvlucy.
deconvlucy преобразует PSF в double без нормализации.
deconvlucy может возвращать значения в выходном изображении, которые находятся за пределами диапазона входного изображения.
[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