精华内容
下载资源
问答
  • 图像复原matlab图像复原matlab图像复原matlab图像复原matlab
  • MATLAB 图像复原

    千次阅读 2019-05-18 22:07:54
    %f是一个大小为512*512的白色图像 %叠加了高斯噪声的图像,噪声均值为0,方差为0.01 g1 =imnoise( f, 'gaussian', 0, 0.01);imshow( g1, []);%显示退化的图像 %叠加了椒盐噪声的图像,1%的像素受到污染 g2 = ...
    f = ones(512,512);%f是一个大小为512*512的白色图像
    %叠加了高斯噪声的图像,噪声均值为0,方差为0.01
    g1 =imnoise( f, 'gaussian', 0, 0.01);imshow( g1, []);%显示退化的图像
    
    %叠加了椒盐噪声的图像,1%的像素受到污染
    g2 = imnoise( f, 'salt & pepper', 0.01);
    
    figure,imshow(g2,[]);%显示退化的图像
    %叠加了乘性噪声的噪声,噪声均匀分布,均值为0,方差为0.01,g3=f+n*f
    g3=imnoise(f,'speckle',0.01);
    figure,imshow(g3,[]);%显示退化的图像
    

    f=imread('你的图');                     
    subplot(3,3,1);imshow(f,[]);title('(f)原始图像');
    [M,N]=size(f);
    R=imnoise2('salt & pepper',M,N,0.1,0);        %产生胡椒噪声
    c=find(R==0);                       %记录噪声对应点的坐标
    gp=f;                              %复制图像
    gp(c)=0;                           %将图像中胡椒对应地点的值赋为0
    subplot(3,3,2);imshow(gp,[]);title('胡椒噪声')
    R=imnoise2('salt & pepper',M,N,0.1,0);        %产生盐粒噪声
    c=find(R==0);                       %记录噪声对应点的坐标
    gs=f;                              %复制图像
    gs(c)=255;                            %将图像中盐粒对应地点的值赋为0
    subplot(3,3,3);imshow(gs,[]);title('盐粒噪声');
    fp=spfilt(gp,'midpoint',3,3);            %使用中点平均滤波器去除胡椒噪声
    subplot(3,3,4);imshow(fp,[]);title('中点滤波器');
    fs=spfilt(gs,'median',3,3);              %使用中值滤波器去除胡椒噪声
    subplot(3,3,5);imshow(fs,[]);title('中值滤波器');
    fpmax=spfilt(gp,'max',3,3);            %使用3x3最大值滤波器去除胡椒噪声
    subplot(3,3,6);imshow(fpmax,[]);title('最大值滤波器');
    fsmin=spfilt(gs,'min',3,3);             %使用3x3最小值滤波器去除盐粒噪声
    subplot(3,3,7);imshow(fsmin,[]);title('最小值滤波器');
    

    f=imread('你的图');%加载测试图像,f参见图5-1
    [M,N]=size(f);%M、N是测试图像的大小
    C=[6 32;-2 2];%C是周期噪声在频谱上的位置
    A=[10000 50000];%A是振幅向量
    [r,R,S]=imnoise3(M,N,C,A);%产生周期噪声
    imshow(S,[]);%S是周期噪声的频谱
    figure,imshow(r,[]);%r是周期噪声图像,有明显的明暗条纹显示
    g=im2double(f)+r;   %噪声图像放大10000倍后与测试图像相加
    figure,imshow(g,[]) 

    f=checkerboard(8);%创建一副黑白棋盘格测试图像
    PSF=fspecial('motion',7,45);%创建运动模糊退化函数
    gb=imfilter(f,PSF,'circular');%产生退化图像
    noise=imnoise(zeros(size(f)),'gaussian',0,0.001);
    g=gb+noise;%退化图像叠加高斯噪声
    imshow(g,[]);%显示退化图像
    

    f=checkerboard(8);            %创建一副黑白棋盘格测试图像
    subplot(2,3,1); imshow(f,[]); title('(f)原始图像');
    PSF=fspecial('motion',7,45);      %创建运动模糊退化函数
    gb=imfilter(f,PSF,'circular');       %产生退化图像
    g=imnoise(gb,'gaussian',0,0.01);   %退化图像叠加高斯噪声
    subplot(2,3,2); imshow(g,[]); title('(g)加燥和运动模糊图像');
    fr1=deconvwnr(g,PSF);           %直接逆滤波复原噪声图像
    subplot(2,3,3);imshow(fr1,[]);title('(fr1)逆滤波复原图像');
    Sn=abs(fft2(g)).^2;          %噪声功率谱
    nA=sum(Sn( : ))/numel(g);    %噪声平均功率,此处将原来的prod(size(X))函数,变为numel(x);
    Sf=abs(fft2(f)).^2;           %图像功率谱
    fA=sum(Sf( : ))/numel(f);     %图像平均功率
    R=nA/fA;                  %R是噪信比
    fr2=deconvwnr(g,PSF,R);      %采用常系数对图像进行维纳滤波
    subplot(2,3,4);imshow(fr2,[]);title('(fr2)常数比率维娜滤波复原图像');
    NCORR=fftshift(real(ifft2(Sn)));        %NCORR是噪声的自相关函数
    ICORR=fftshift(real(ifft2(Sf)));           %ICORR是原图像的自相关函数
    fr3=deconvwnr(g,PSF,NCORR,ICORR);     %使用自相关函数的滤波方法
    subplot(2,3,5);imshow(fr3,[]);title('(fr3)自相关函数维娜滤波复原图像');
    fr4=deconvreg(g,PSF,0.4,[1e-7,1e7]);     %使用约束的最小二乘方滤波
    subplot(2,3,6);imshow(fr4,[]);title('(fr4)最小二乘方滤波复原图像'); 

    fr1=deconvwnr(g,PSF);%直接逆滤波复原噪声图像
    figure,imshow(fr1,[]);
    
    Sn=abs(fft2(noise)).^2;%噪声功率谱
    nA=sum(Sn( : ))/prod(size(noise));%噪声平均功率
    Sf=abs(fft2(f)).^2;%图像功率谱
    fA=sum(Sf( : ))/prod(size(f));%图像平均功率
    R=nA/fA;%R是噪信比
    fr2=deconvwnr(g,PSF,R);%采用常系数对图像进行维纳滤波
    figure,imshow(fr2,[]);
    
    NOCRR=fftshift(real(ifft2(Sn)));%NCORR是噪声的自相关函数
    ICORR=fftshift(real(ifft2(Sf)));%ICORR是原图像的自相关函数
    fr3=deconvwnr(g,PSF,NCORR,ICORR);%使用自相关函数的滤波方法
    figure,imshow(fr3,[]);
    
    fr4=deconvreg(g,PSF,0.4,[1e-7,1e7]);%使用约束的最小二乘方滤波
    figure,imshow(fr4,[]);
    

      

    f=checkerboard(50);%产生测试棋盘格图像
    s=0.8; %s是缩放稀疏
    theta=pi/6;%theta是旋转角度
    %T是仿射变换矩阵
    T=[s*cos(theta) s * sin(theta) 0; -s * sin(theta) s * cos(theta) 0; 0 0 1]; 
    tform=maketform('affine',T);       %thorm是仿射变换结构体
    g=imtransform(f,tform);           %对图像f施加仿射变换
    imshow(f); 
    figure,imshow(g,[]);
    

     

     

    展开全文
  • matlab图像复原和图像增强技术; matlab边缘检测和图像分割; matlab图像编码与压缩技术入门;
  • matlab图像复原和图像增强技术

    千人学习 2019-03-19 10:36:47
    系统的学习和掌握matlab图像复原和图像增强技术
  • matlab图像复原

    千次阅读 2016-05-30 10:50:47
    频谱噪声分析在进行图像复原之前,首先对各个图像做傅里叶变换在频谱中观察分布情况,由此判断噪声或模糊类型。i1=imread('1.png'); i2=imread('2.jpg'); i3=imread('3.jpg'); i4=imread('statBlur.jpg'); o1=...

    目录

    1. 频谱噪声分析

    在进行图像复原之前,首先对各个图像做傅里叶变换在频谱中观察分布情况,由此判断噪声或模糊类型。

    i1=imread('1.png');
    i2=imread('2.jpg');
    i3=imread('3.jpg');
    i4=imread('statBlur.jpg');
    o1=fftshift(fft2(rgb2gray(i1)));o2=fftshift(fft2(rgb2gray(i2)));
    o3=fftshift(fft2(rgb2gray(i3)));o4=fftshift(fft2(rgb2gray(i4)));
    figure,subplot(221),imshow(i1),subplot(222),imshow(o1),subplot(223),imshow(i2),...?????
    subplot(224),imshow(o2);
    figure,subplot(221),imshow(i3),subplot(222),imshow(o3),subplot(223),imshow(i4),...?????
    subplot(224),imshow(o4);

    这里写图片描述

    2. 四幅图像分别处理

    首先分析佛像图像是否具有噪声,在图像中较为平坦均匀出选取矩形,做直方图处理,观察直方图的分布来确
    定是否含有噪声以及噪声的类型。

    im=imread('statBlur.jpg');[m,n,h]=size(im);
    f11=ones(190,162,3);f22=ones(130,130,3);f33=ones(100,100,3);f44=ones(70,70,3);
    for i=1:190
        for j=1:162
            for k=1:3
                f11(i,j,k)=im(i,j,k);
            end
        end
    end
    
    
    for i=1:130
        for j=501:630
            for k=1:3
                f22(i,j-500,k)=im(i,j,k);
            end
        end
    end
    
    for i=721:870
        for j=11:170
            for k=1:3
                f33(i-720,j-10,k)=im(i,j,k);
            end
        end
    end
    
    for i=761:830 
        for j=561:630
            for k=1:3
    f44(i-760,j-560,k)=im(i,j,k);
            end
        end
    end
    figure,subplot(221),hist(f11,100),subplot(222),hist(f22,100),subplot(223),...?
    hist(f33,100),subplot(224),hist(f44,100);

    3.大气湍流处理

    函数代码如下:

    function output=daqituan( image ,k)
    k=0.00011
    %函数daqituan?对输入的图像进行大气湍流处理?
    %参数image????输入的待处理图像?
    %参数k????????大气湍流模型常数
    i=fft2(double(image));
    G=fftshift(i);
    [m,n,h]=size(i);
    H=zeros(m,n);
    for i=1:m
        for j=1:n
    if sqrt((i-m/2)^2+(j-n/2)^2)<100
        H(i,j)=exp(-k*(i^2+j^2)^(5/6));
    end
        end
    end
    
    for i=1:3
    out
    (:,:,i)=G(:,:,i).*H;
    end
    out=real(ifft2(ifftshift(out)));
    figure,subplot(121),imshow(image),title('原始图像'),subplot(122),...?????
        imshow(out,[]),title('大气湍流复原图像');
    end

    参考资料

    展开全文
  • MATlAB图像复原.ppt》由会员分享,可在线阅读,更多相关《MATlAB图像复原.ppt(20页珍藏版)》请在人人文库网上搜索。1、MATLAB 图像复原,丁言虎 09S021062,图像处理基本内容,完整的数字图像处理工程大体上可分为:...

    《MATlAB图像复原.ppt》由会员分享,可在线阅读,更多相关《MATlAB图像复原.ppt(20页珍藏版)》请在人人文库网上搜索。

    1、MATLAB 图像复原,丁言虎 09S021062,图像处理基本内容,完整的数字图像处理工程大体上可分为:图像 信息的获取、图像信息的存储、图像信息的传 送、数字图像处理、图像的输出和显示。 常见的处理有图像获取、图像数字化、图像 编码、图像增强、图像复原、图像分割、图 像分析和图像理解等。,授课框架,图像复原基本概念 退化模型 复原方法 MATLAB实现,图像复原基本概念,图像复原是早期图像处理的主要内容之一,目的在于消除或减轻在图像获取、传输及保存过程中造成的图像品质下降,即退化现象,恢复图像的本来面目。 退化的主要原因: 光学系统离散的几何畸变 摄像系统与被摄物之间的相对运动 电子或光学。

    2、系统的噪声和介于摄像系统与被摄像物间的 大气湍流 。 图像远距离传输产生的加性噪声 图片(照片)保存不当,引起纸质的变化等,退化模型,退化函数 H,一幅纯净的图像f(x,y)是由于通过一个系统H及加入外来加性噪声n(x,y)而退化为一幅图像g(x,y)的。 对于线性系统,上图模型可以表示为:,不妨令n(x,y)=0,若系统为线性时不变系统,有:,注)实际中,系统多为非线性时变系统,为便于计算机处理,采用近似方法,近似为线性时不变系统,应用线性系统理论解决图像复原问题。,利用信息光学所学知识,输入信号可以分解为一些基元函数的加权叠加: 则有以下方程成立:,1)连续退化模型,在有加性噪声的条件下,。

    3、线性退化模型可表示为:,2)离散退化模型,如果把 和 进行均匀采样,就可以引出离散的退化模型。 假设有两个函数, 图像大小为 , 的点扩散函数大小为 。先作成大小为 的周期延拓图像:,经过这样的延拓后, 分别成为二维周期函数,在x和y方向周期为M和N。由此得到二维离散退化模型为: 含有加性噪声的离散退化模型为: 用矩阵来表示:,复原方法,逆滤波复原 不考虑噪声时的退化模型,由傅里叶变换的卷积定理得: 从而: 这就是逆滤波法复原的基本原理。 有噪声时写为:,维纳滤波复原 寻找一个使统计误差函数 最小的估计 。其中E是期望值操作符,f是未退化的图像。在频域可表示为:,表示噪声的功率谱,表示未退化图。

    4、像的功率谱,我们感兴趣的两个量为平均噪声功率和平均图像功率,分别定义为: 其中,M和N表示图像和噪声数组的垂直和水平大小,都是标量常量,它们的比率 也是标量,有时用来代替 ,以便产生一个常量数组。在这种情况下,即使真实的比率未知,交互式地变化常量并观察复原的结果的实验也是简单的。,图像退化/复原处理模型,退化,复原,MATLAB实现,1)图像模糊化 A=checkerboard(8); PSF=fspecial(motion,9,45); B = imfilter(A,PSF,circular); noise = imnoise(zeros(size(f),gaussian,0.1,0.1);。

    5、 C = B + noise; subplot(2,2,1);imshow(pixeldup(A,8),);title(原图像 ); subplot(2,2,2);imshow(pixeldup(B,8),);title(模糊图像); subplot(2,2,3);imshow(pixeldup(noise,8),);title(噪声图像); subplot(2,2,4);imshow(pixeldup(C,8),);title(模糊噪声图像);,维纳滤波MATLAB语句实现的三种形式: (1) fr=deconvwnr(g,PSF); 这种形式假设信噪功率比为零,从而维纳滤波退化为直接逆滤波。

    6、 (2) fr=deconvwnr(g,PSF,NSPR); 这种形式假设信噪功率比已知,或是个常量或是个数组。而实际中,由于不知道原图像,故一般不知道退化图像的信噪功率比,且实际情况下这个比值不是简单的常数。 (3) fr=deconvwnr(g,PSF,NACORR,FFACORR) 这种形式假设噪声和未退化图像的自相关函数NACORR和FFACORR是已知的。这种形式使用 和 的自相关来代替这些函数的功率谱。由相关理论我们可知:通过计算功率谱的傅里叶逆变换就可以得到自相关函数。 (g代表退化图像,fr代表复原图像),fr1=deconvwnr(C,PSF); sn=abs(fft2(no。

    7、ise).2); % noise power spectrum nA=sum(sn(:)/prod(size(noise); % noise average power sf=abs(fft2(A).2 % image power spectrum fA=sum(sf(:)/prod(size(A); % image average power R=nA/fA; fr2=deconvwnr(C,PSF,R); NCORR=fftshift(real(ifft2(sn); ICORR=fftshift(real(ifft2(sf); fr3=deconvwnr(C,PSF,NCORR,ICORR。

    8、); subplot(2,2,1);imshow(pixeldup(C,8),);title(模糊噪声图像); subplot(2,2,2);imshow(pixeldup(fr1,8),);title(直接逆滤波); subplot(2,2,3);imshow(pixeldup(fr2,8),);title(常数比率维纳滤波); subplot(2,2,4);imshow(pixeldup(fr3,8),);title(使用自相关函数的维纳滤波);,2)三种滤波方式复原图像,使用约束的最小二乘方(正则)滤波,使用Lucy-Richardson算法的迭代非线性复原,小结,图像复原是运用计算机对图像进行的低级处理 实际的图像受各种噪声(加性、乘性)污染情况更为复杂,我们所假设的模型与实际有差距,处理手段也是线性处理方式。 处理实际图像时常常是针对不同的噪声污染采取针对性的复原方法分别对图像进行处理,从而尽量还原图像的本来面目。,The end Thanks very much。

    展开全文
  • matlab图像复原和图像增强技术 图像和算法等领域有多年研究和项目经验;指...

    扫码下载「CSDN程序员学院APP」,1000+技术好课免费看

    APP订阅课程,领取优惠,最少立减5元 ↓↓↓

    订阅后:请点击此处观看视频课程

     

    视频教程-matlab图像复原和图像增强技术-Matlab

    学习有效期:永久观看

    学习时长:182分钟

    学习计划:4天

    难度:

     

    口碑讲师带队学习,让你的问题不过夜」

    讲师姓名:宋星星

    工程师

    讲师介绍:图像和算法等领域有多年研究和项目经验;指导发表科技核心期刊经验丰富;多次指导数学建模爱好者参赛。

    ☛点击立即跟老师学习☚

     

    「你将学到什么?」

    系统的学习和掌握matlab图像复原和图像增强技术

     

    「课程学习目录」

    1.精通MATLAB图像处理图像类型转换
    2.精通matlab图像处理图像基本操作
    3.精通MATLAB图像处理常用技巧
    4.精通MATLAB图像处理关键技术
    5.matlab图像去噪滤波 锐化边缘检测案例和图像锐化实现对比度增强案例
    6.butterworth等低通滤波实现图像增强和小波滤波器去噪增强变换matlab案例
    7.BUTTERWORTH高通滤波、高斯滤波、拉普拉斯算子锐化、理想高通滤波、同态滤波、伪彩色增强实现图
    8.matlab盲卷积算法和Lucy迭代算法对模糊噪声图像恢复
    9.matlab对运动模糊和加性噪声图像维纳滤波和恢复
    10.matlab对模糊和加性噪声图像进行约束最小二乘算法滤波和恢复
    11.matlab小波技术图像处理专题案例集
    12.matlab非线性变换图像增强补偿、两张图像加法运算及加法实现图像去噪
    13.matlab图像信息提取和去噪案例
    14.matlab图像闭合开启运算膨胀腐蚀技术
    15.matlab傅里叶变换实现灰度图像伪彩色及其它彩色伪彩色变换调整技术
    16.hough变换radon变换实现图像直线检测及傅里叶等多种变换技术案例
    17.matlab直方图均衡化专题案例集
    18.matlab边界跟踪算法和图像边界提取和图像减法除法去除图像背景

     

    7项超值权益,保障学习质量」

    • 大咖讲解

    技术专家系统讲解传授编程思路与实战。

    • 答疑服务

    专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。

    • 课程资料+课件

    超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)

    • 常用开发实战

    企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。

    • 大牛技术大会视频

    2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。

    • APP+PC随时随地学习

    满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。

     

    「什么样的技术人适合学习?」

    • 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
    • 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
    • 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。

     

    「悉心打造精品好课,4天学到大牛3年项目经验」

    【完善的技术体系】

    技术成长循序渐进,帮助用户轻松掌握

    掌握Matlab知识,扎实编码能力

    【清晰的课程脉络】

    浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。

    【仿佛在大厂实习般的课程设计】

    课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。

     

    「你可以收获什么?」

    matlab图像复原技术

    matlab图像增强技术

     

    展开全文
  • matlab 图像复原(源代码)
  • matlab图像与视频实用案例详解pdf+源码、模糊图像复原源码加图片、运动图像点扩散函数
  • 维纳滤波复原法维纳滤波就是最小二乘滤波,它是使原始图像与其恢复图像之间的均方误差最小的复原方法,对图像进行维纳滤波主要是为了消除图像中的噪声。示例:利用维纳滤波器进行复原处理编写对应的m文件如下:clear...
  • 这是一个基于matlab图像复原处理包,其中包括图像的模糊、维纳滤波、盲反卷积、点扩散函数和光学转换函数互相转化
  • 本次设计用到的是MATLAB软件然后进行仿真,对模糊图像建立退化模型,运用几种方法进行不同程度的复原,主要用了5种有关图像复原的方法,包括了维纳滤波算法、约束最小二乘滤波算法、Lucy-Richardson算法、循环边界...
  • 这是用matlab实现图像复原的程序,包括逆滤波、维纳滤波、约束最小二乘方滤波。
  • 图像退化的因素各种各样,但最主要的就是在得到图像,传送过程和保存的时候导致的,还有由于形成图像系统的不同、想要拍的物体和相机之间的相对运动,一些空气媒介等等都会让图像变得模糊不清楚、混入噪声、照片对比...
  • 本次设计用到的是MATLAB软件然后进行仿真,对模糊图像建立退化模型,运用几种方法进行不同程度的复原,主要用了5种有关图像复原的方法,包括了维纳滤波算法、约束最小二乘滤波算法、Lucy-Richardson算法、循环边界...
  • 如何进行图像复原 & 图像重建 添加噪声 用imnoise函数为图像添加噪声 用给定分布产生空间随机噪声 周期噪声 估计噪声参数 消除噪声 仅有噪声的复原 空间噪声滤波器 自适应空间滤波器 周期噪声的...
  • 04-图像复原MATLAB

    2011-04-26 16:07:30
    图像复原MATLAB图像复原MATLAB图像复原MATLAB图像复原MATLAB图像复原MATLAB图像复原MATLAB图像复原MATLAB
  • 图像复原matlab程序-图像复原matlab程序.rar 程序代码说明: 4_1:生成模糊化实验图像 4_2:维纳滤波复原 4_3:约束最小二乘滤波复原 4_4:Lucy-Richardson滤波复原 4_5:盲卷积滤波复原
  • 基于MATLAB图像复原
  • 基于matlab Tv 图像复原

    热门讨论 2013-04-22 14:21:39
    这是基于matlab以及经典TV模型的图像复原,实际测试具有很好的效果
  • matlab运动模糊图像复原 实验报告

    热门讨论 2011-05-08 17:49:44
    matlab运动模糊图像复原matlab运动模糊图像复原matlab运动模糊图像复原matlab运动模糊图像复原matlab运动模糊图像复原
  • 图像复原matlab程序

    2015-05-30 15:38:01
    MATLAB程序对图像进行处理后,本程序介绍了如何利用MATLAB技术多图像复原
  • 基于matlab的模糊图像复原,复原模糊图像为运动模糊图像,复原采用3种方法,维纳滤波 最小二乘 RC。
  • 图像处理是一门迅速发展的学科,在大量领域有着极其广泛的...本文主要介绍使用matlab中的图像用户界面(GUI)程序设计的快速开发环境来搭建,然后在图形用户界面中添加控件和程序代码,从而实现各种算法的图像复原

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 411
精华内容 164
关键字:

matlab图像复原

matlab 订阅