-.z.GDOU-B-11-112廣東海洋大學學生實驗報告書〔學生用表〕GDOU-B-11-112實驗名稱圖像的根本操作課程名稱數字圖像處理課程號學院(系)信息學院專業電子信息工程班級電子1103班學生姓名杜嘉星**8實驗地點實驗日期實驗7圖像的噪聲及恢復一、實驗目的：了解圖像的噪聲模型，學習降低噪聲、恢復圖像的處理方法二、實驗內容：學習并使用imnoise、spfilt等產生噪聲和濾波的函數1、噪聲模擬圖像增強操作主要是針對圖像的各種噪聲而言的。數字圖像產生噪聲的途徑有很多種。MATLAB圖像處理工具箱提供imnoise函數，可以用該函數給圖像添加不同種類的噪聲，該函數的調用格式如下：g=imnoise(f,‘type’,parameters)。f是輸入圖像，type和parameters的說明見下表：typeparameters說明gaussianm,v均值為m，方差為v的高斯噪聲localvarv均值為0，方差為v的高斯白噪聲Poisson無泊松噪聲salt&pepperd噪聲密度為d的椒鹽噪聲specklev均值為0，方差為v的均勻分布隨機噪聲函數imnoise在給圖像添加噪聲前，將它轉換為范圍[01]內的double類圖像。指定噪聲參數時必須考慮到這一點。例如要將均值為64、方差為400的高斯噪聲添加到一幅uint8類圖像上，我們可將均值標度為64/255，將方差標度為400/(255)2，以便作為函數imnoise的輸入。讀入一幅圖像，使用上述函數對它添加各類噪聲。退化函數建模在圖像復原問題中，一個重要的退化模型是在圖像獲取時傳感器和場景之間的均勻線性運動而產生的圖像模糊。我們可以使用函數fspecial對圖像模糊建模：PSF=fspecial(‘motion’,len,theta)。調用fspecial將返回PSF，它近似于由有著len個像素的攝像機的線性移動的效果。參數theta以度為單位，以順時針方向對正水平軸度量。len的默認值是9，theta的默認值是0，它對應于在水平方向上的9個像素的移動。我們使用函數imfilter來創立一個PSF或用剛剛描述的方法計算得到的PSF的退化圖像：g=imfilter(f,PSF,’circular’)。其中，’circular’用來減少邊界效應。然后通過添加適當的噪聲來構造退化的圖像模型：g=g+noise。噪聲的產生方法見內容1。例如，我們先產生一個測試板圖像：f=checkerboard(8)。退化圖像使用如下命令產生：PSF=fspecial(‘motion’,7,45);gb=imfilter(f,PSF,‘circular’)。噪聲模式使用下面命令產生：noise=imnoise(zeros(size(f)),‘gaussian’,0,0.001)。通常，我們會直接使用imnoise(gb,‘gaussian’,0,0.001)將噪聲加到gb上，然而由于稍后需要噪聲圖像，所以在此我們單獨計算噪聲。加了噪聲的模糊圖像如下產生：g=gb+noise。運行上述命令，觀察實驗結果，注釋每條命令。仿照上述命令自己產生一個模糊噪聲圖像。直接逆濾波和維納濾波：維納濾波使用函數deconvwnr來實現。函數deconvwnr有三種可能的語法形式。在這些形式中，g代表退化圖像，fr是復原圖像。第一種語法形式fr=deconvwnr(g,PSF)假設信噪比為零，從而維納濾波器就是逆濾波器。第二種語法形式fr=deconvwnr(g,PSF,NSPR)假設信噪比功率，或是個常數或是個數組，函數承受其中的任何一個，這是一個參數維納濾波器。最后，語法形式fr=deconvwnr(g,PSF,NACORR,FACORR)假設噪聲和未退化圖像的自相關函數NACORR和FACORR是的。我們可以使用內容2中的例子建立加了噪聲的模糊圖像模型，使用deconvwnr函數來復原模糊噪聲圖像。如下命令：fr1=deconvwnr(g,PSF)；fr1是直接逆濾波的結果，g是污染了的圖像，PSF是上例中計算出的點擴散函數。由于噪聲的影響，結果并不理想。則如果g不含噪聲，使用直接逆濾波效果又是如何呢？實驗驗證你的結論。我們還可以用第二種語法形式的參數維納濾波器進展濾波，命令如下：%計算信噪比Sn=abs(fft2(noise)).^2;nA=sum(Sn(:))/prod(size(noise));Sf=abs(fft2(f)).^2;fA=sum(Sf(:))/prod(size(f));R=nA/fA;%維納濾波fr2=deconvwnr(g,PSF,R);fr2和fr1相比擬效果要優越得多。運行上述命令，觀察實驗結果，注釋每條命令，并答復相關問題。仿照上述命令對自己產生的模糊噪聲圖像進展恢復。三、實驗要求：寫出處理過程，提交原圖像、噪聲圖像、模糊圖像和恢復后的圖像，注釋每條命令，并答復相關問題。四丶實驗程序代碼及圖片：對圖片添加各類噪聲：clearall;closeall;clc;f=imread('D:\image\avril.jpg');subplot(231);imshow(f);*label('(a)原圖');g=imnoise(f,'gaussian',0,0.02);%添加高斯噪聲subplot(232),imshow(g);*label('(b)高斯噪聲');g=imnoise(f,'Poisson');%添加泊松噪聲subplot(233);imshow(g);*label('(c)泊松噪聲');g=imnoise(f,'salt&pepper',0.02);%添加椒鹽噪聲subplot(234);imshow(g);*label('(d)椒鹽噪聲');g=imnoise(f,'speckle',0.01);%添加隨機噪聲subplot(235);imshow(g);*label('(e)隨機噪聲');對圖像進展退化函數建模：f=imread('avril.jpg');%讀取圖片subplot(1,2,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片imnoise(gb,'gaussian',0,0.001);%添加噪聲subplot(1,2,2);g=gb+noise;%產生加了噪聲的模糊圖像imshow(g);title('模糊噪聲圖像');添加噪聲后的圖片直接濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片imnoise(gb,'gaussian',0,0.001);%添加噪聲subplot(1,3,2);g=gb+noise;%產生加了噪聲的模糊圖像imshow(g);title('模糊噪聲圖像');fr1=deconvwnr(g,PSF);subplot(1,3,3);imshow(fr1);title('添加噪聲直接濾波后圖像');不對圖片加噪聲，直接濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');PSF=fspecial('motion',20,45);%對圖像模糊建模g=imfilter(f,PSF,'circular');%得到PSF的退化圖片fr1=deconvwnr(g,PSF);subplot(1,3,3);imshow(fr1);title('不含噪聲，直接逆濾波');維納濾波：f=imread('avril.jpg');%讀取圖片subplot(1,3,1);imshow(I);title('avril');noise=imnoise(zeros(size(f)),'gaussian',0,0.001);%給模版添加噪聲%計算信噪比Sn=abs(fft2(noise)).^2;nA=sum(Sn(:))/prod(size(noise));Sf=abs(fft2(f)).^2;fA=sum(Sf(:))/prod(size(f));R=nA/fA;%維納濾波fr2=deconvwnr(g,PSF,R);subplot(122);imshow(fr2);title('維納濾波');