一． 实验名称：图像退化与复原 二． 实验目的
1． 了解光电图像的退化原因；
2． 掌握和理解基本的噪声模型，并能对图像进行加噪处理；
3． 了解点扩展函数(PSF)与光学传递函数(OTF)的关系，熟悉几种经典的退化模 型的模拟试验和 OTF 估计方法；
4． 熟悉和掌握几种经典的图像复原方法及其基本原理；
5． 能熟练利用 MATLAB 或 C/C++工具进行图像的各种退化处理，并能编程实现 退化图像的复原。
三． 实验原理
光电成像系统出现图像退化的过程是复杂多变的，为了研究的需要，通常情况下都把退化简化为化为一个线性移不变过程，见下图 1 所示。
图1光电图像退化与复原原理图
因此， 在空域中退化过程可以表示如下：
g(x,y)=f(x,y)*h(x,y)+h(x,y) (1)
只有加性噪声不存在情况下，退化过程可以模型化如下表达式：
其频域表达式为：
g(x,y)=f(x,y)+h(x,y) (2)
G(u,v) =F(u,v)+N(u,v) (3)
针对这种退化图像的复原，除了周期噪声以外，通常都可以采用空间域滤波的方法进行图像复原，此时图像复原与图像增强几乎是没有区别的。常见的空间域滤波方法有均值滤波器和统计排序滤波器。
当退化图像存在线性移不变退化时，图像的复原不能采用简单空间域滤波器来实现，要实现线性移不变退化图像的复原，必须知道退化系统的退化函数，即点扩展函数h(x,y)。 在点扩展函数已知的情况下，常见图像复原方法有逆滤波和维纳滤波两种。
在考虑噪声的情况下，逆滤波的原理可以表示如下：
F(u,v)=ùG(u,v)N(u,v) =F(u,v)+H(u,v)H(u,v)(4)
通常情况下，N(u,v)是未知的，因此即使知道退化模型也不能复原图像。 此外，当H(u,v)的任何元素为零或者值很小时，N(u,v)/H(u,v)的比值决定着复原的结果，从而导致图像复原结果出现畸变。对于这种情况，通常采用限制滤波频率使其难以接近原点值，从而减少遇到零值的可能性。
维纳滤波则克服了逆滤波的缺点，其数学模型表示如下：
2轾*H(u,v)犏1F(u,v)=犏G(u,v)
H(u,v)H(u,v)2+Sh(u,v)/Sf(u,v)犏犏臌ù(5)
然而，为退化图像的功率谱很少是已知的，因此常常用下面表达式近似：
2轾*H(u,v)犏1F(u,v)=犏G(u,v)
H(u,v)H(u,v)2+k犏犏臌ù (6)
因此，本实验的内容就是利用上述经典图像复原的原理，对降质退化图像进行复原。
四． 实验步骤
本次实验主要包括光电图像的退化模型和复原方法实现两大部分内容。 (一) 图像的退化图像 1、 大气湍流的建模
1) 湍流引起图像退化的光学传递函数（OTF）生成。已知湍流退化模型的 OTF表达式如下：
H(u,v)=exp[-k(u2+v2)5/6]
(7)
（x,y）其中，k为一个常数，反映了大气湍流的严重程度。(u,v)分别代表了 方向的频率坐标。为了生成中心化的OTF，可以考虑将式(7)改写为：
H(u,v)=exp[-k((u-M/2)+(v-N/2)225/6)] (8)
其中，M，N为图像的长和宽。
2) 读入一幅灰度图像，设定式(8)中k=0.0025，进行退化试验。分别显示 原始图像、退化模型和退化图像。
3) 设定k=0.001、0.00025重复上一步的试验。
读入原始图像对原图形进行灰度处理显示原图像将上述结果进行fft处理得到FP设计退化湍流模型为H显示传递函数由FP与H进行相关处理，得到退化图像显示退化图像结束
图2大气湍流的退化过程
2、 运动模糊的图像退化试验
1) 匀速直线运动引起图像退化的光学传递函数（ OTF）生成。已知相机匀 速直线运动的 OTF 表达式如下：
H(u,v)=Tsin[p(ua+vb)]e-p(ua+vb)jp(ua+vb) (9)
其中，T为相机曝光时间，a,b分别表示(x,y)方向的速度；(u,v)分别对 应(x,y)方向的频率坐标。
2) 读入一幅灰度图像，设定式（ 9）中 T = 1.0， a=b=0.1，编写 MATLAB 代 码进行模糊退化试验。要求分别显示原始图像、退化模型和退化图像。
3) 设定不同的值，a，b值，重复上一步的试验。
4) 利用数字显微镜或其它图像采集设备，移动物体过程中，采集图像。
读入原始图像对原图形进行灰度处理显示原图像将上述结果进行fft处理得到FP设计运动模糊模型为H显示传递函数由FP与H进行相关处理，得到退化图像显示退化图像结束
图3运动模糊的图像退化
(二) 图像复原试验 1、 逆滤波
1) 根据试验（一） 设计一幅退化图像（包括噪声污染+模糊退化两部分），其中模糊退化可选高斯模糊、大气湍流模糊或运动模糊（ 方向可任意指定，如10 度、20度、45度等），噪声模型可自行设定。
2) 利用 MATLAB 编程实现利用全逆滤波方法对退化图像的复原。要求在同一个窗口下显示原始退化图像、复原结果及复原结果与理想图像的差值图共 3 个图，并对复原 结果进行必要的分析。 逆滤波复原公式如下：
F(u,v)=ù
(10)
G(u,v)
H(u,v)G(u,v)为退化图像的傅立叶变换，H(u,v)为退化系统的光学传递函数其中，（OTF）。
3) 伪逆滤波：为了防止逆滤波中H(u,v)过小，使得复原后的图像数据过
大
和放大噪声，可采用频谱半径（阈值）限制下的逆滤波方法，即
ì1??,??H(u,v)P(u,v)=í???0,??u2+v2?Ru2+v2>R (11)
其中，R为中心化频谱H(u,v)中某点到原点（零频）的距离或半径。另一种替代方法是直接限制H(u,v)的值，即
ì1???H(u,v),P(u,v)=í??0,???H(u,v)￡sH(u,v)>s (12)
其中，σ为一个阈值，用于限制频谱的幅度值。这种方法被称为伪逆滤波。 实验要求利用式(11)方式的伪逆滤波重复实验步骤内容2）所涉及的图像。 2、 Wiener滤波
1) 针对以上逆滤波设计的退化图，编程实现利用Wiener滤波对其进行复原。 滤波原理如下：
2轾*H(u,v)犏1F(u,v)=犏G(u,v)
H(u,v)H(u,v)2+k犏犏臌ù (13)
图像退化与复原
