Изображение Деблюра с использованием метода Люси-Ричардсон
J = deconvlucy(I,psf)I который был деградирован сверткой с функцией расширения точек (PSF), psf, и, возможно, аддитивным шумом. Алгоритм основан на максимизации вероятности того, что полученное изображение J является образец оригинального изображения I по статистике Пуассона.
Чтобы улучшить восстановление, deconvlucy поддерживает несколько необязательных параметров, описанных ниже. Использование [] как заполнитель, если вы не задаете промежуточный параметр.
J = deconvlucy(I,psf,iter,dampar,weight)I учитываются при реставрации. Значение элемента в weight массив определяет, сколько пикселя в соответствующем положении в вход изображении учитывается. Для примера, чтобы исключить пиксель из фактора, присвойте ему значение 0 в weight массив. Можно настроить значение веса, присвоенное каждому пикселю, в соответствии с величиной коррекции плоского поля.
deconvlucyСчитывайте и отображайте первозданное изображение, которое не имеет размытия или шума. Этот пример необязательно обрабатывает изображение до размера 256 на 256 с верхней левой (x, y) координатой в (2,50).
I = imread('board.tif'); I = imcrop(I,[2 50 255 255]); imshow(I) title('Original Image')
Создайте PSF, который представляет размытие Гауссова со стандартными 5 отклонений и фильтром размера 5 на 5.
PSF = fspecial('gaussian',5,5);Симулируйте размытие на изображении.
blurred = imfilter(I,PSF,'symmetric','conv');
Добавьте симулированный нулевой Гауссов шум.
V = 0.002; blurred_noisy = imnoise(blurred,'gaussian',0,V); imshow(blurred_noisy) title('Blurred and Noisy Image')
Использование deconvlucy восстановить размытое и шумное изображение. Задайте PSF, используемый для создания размытия и уменьшения количества 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 deconvlucy с помощью нескольких необязательных 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);
Отображение результатов.
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 чтобы выполнить деконволюцию, которая начинается с остановки предыдущего деконволюции. Чтобы использовать эту функцию, передайте вход 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 следующую deconvlucy вызов. Система выхода массива ячеек J содержит четыре элемента:
J{1} содержит I, а оригинальное изображение.
J{2} содержит результат последней итерации.
J{3} содержит результат итерации «следующая к последней».
J{4} - массив, сгенерированный итеративным алгоритмом.
Выходное изображение J может показать звонок, введенный дискретным преобразованием Фурье, используемым в алгоритме. Чтобы уменьшить вызывной сигнал, 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 области значений входа изображения.
[1] ОКРУГ ЮЖНАЯ КАРОЛИНА. Биггс и М. Эндрюс, Ускорение итерационных алгоритмов восстановления изображений, Applied Optics, Vol. 36, № 8, 1997.
[2] R.J. Hanisch, R.L. White, and R.L. Gilliland, Deconvolutions of Hubble Пространства Telescope Изображений and Спектров, Deconvolution of Изображений and Спектров, Ed.A. Jansson, 2nd ed, Academic Press, Ca, 1997.