exp3-圖像復(fù)原

圖像復(fù)原中的均值濾波、統(tǒng)計排序濾波,去除高斯、椒鹽噪聲

im = imread('cameraman.tif');
figure;
imshow(im);
title('Original Image');
im_gaussian = imnoise(im, 'gaussian', 0, 0.01);
figure;
subplot(121);
imshow(im_gaussian);
title('Noise Image');

kernel = ones(3)/9;
im_ = imfilter(im_gaussian, kernel);
subplot(122);
imshow(im_)
title('Result');
suptitle('Gaussian Noise');
im_sp = imnoise(im, 'salt & pepper');
figure;
subplot(121);
imshow(im_sp);
title('Noise Image');
im_ = medfilt2(im_sp);
subplot(122);
imshow(im_);
title('Result');
suptitle('Salt & Papper Noise');

去除周期噪聲

f = 0.1;
DW = 2e4;
imsize = size(im);
r = imsize(1)*f;

im_normal = double(im)/255;
[U, V] = meshgrid(1:imsize(2), 1:imsize(1));
R = sqrt((U - imsize(2)/2).^2 + (V - imsize(1)/2).^2);
period_noise = 0.02*cos(2*pi*f*R);
im_period = (im_normal + period_noise)/1.2;

figure;
subplot(121);
imshow(im_period);
title('Noise Image');

H = 1 - exp(-((R.^2 - r^2).^2/DW));
IM = fftshift(fft2(im_period));
IM_ = IM.*H;
im_ = abs(ifft2(fftshift(IM_)));
subplot(122);
imshow(im_);
title('Result');
suptitle('Period Noise');

由退化函數(shù)進行圖像復(fù)原

h = ones(7)/49;
im_blur = imfilter(im_normal, h);
im_blur = imnoise(im_blur, 'Gaussian', 0, 1e-3);
figure;
subplot(121);
imshow(im_blur);
title('Blur Image');

k = 0.08;
r = imsize(1)/2;
H = exp(-k*R.^(5/6)) + 1 - exp(-(R/r).^2);
IM = fft2(im_blur);
IM_ = IM./fftshift(H);
im_ = abs(ifft2(fftshift(IM_)));
subplot(122);
imshow(im_);
title('Result');
suptitle('Inverse Filter');
figure;
subplot(121);
imshow(im_blur);
title('Blur Image');

im_ = wiener2(im_blur, [3 3]);
subplot(122);
imshow(im_);
title('Result');
suptitle('Wiener Filter');
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市盒音,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌馅而,老刑警劉巖祥诽,帶你破解...
    沈念sama閱讀 217,509評論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異瓮恭,居然都是意外死亡雄坪,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,806評論 3 394
  • 文/潘曉璐 我一進店門屯蹦,熙熙樓的掌柜王于貴愁眉苦臉地迎上來维哈,“玉大人,你說我怎么就攤上這事颇玷”颗” “怎么了就缆?”我有些...
    開封第一講書人閱讀 163,875評論 0 354
  • 文/不壞的土叔 我叫張陵帖渠,是天一觀的道長。 經(jīng)常有香客問我竭宰,道長空郊,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,441評論 1 293
  • 正文 為了忘掉前任切揭,我火速辦了婚禮狞甚,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘廓旬。我一直安慰自己哼审,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,488評論 6 392
  • 文/花漫 我一把揭開白布孕豹。 她就那樣靜靜地躺著涩盾,像睡著了一般。 火紅的嫁衣襯著肌膚如雪励背。 梳的紋絲不亂的頭發(fā)上春霍,一...
    開封第一講書人閱讀 51,365評論 1 302
  • 那天,我揣著相機與錄音叶眉,去河邊找鬼址儒。 笑死芹枷,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的莲趣。 我是一名探鬼主播鸳慈,決...
    沈念sama閱讀 40,190評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼喧伞!你這毒婦竟也來了蝶涩?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,062評論 0 276
  • 序言:老撾萬榮一對情侶失蹤絮识,失蹤者是張志新(化名)和其女友劉穎绿聘,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體次舌,經(jīng)...
    沈念sama閱讀 45,500評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡熄攘,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,706評論 3 335
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了彼念。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片挪圾。...
    茶點故事閱讀 39,834評論 1 347
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖逐沙,靈堂內(nèi)的尸體忽然破棺而出哲思,到底是詐尸還是另有隱情,我是刑警寧澤吩案,帶...
    沈念sama閱讀 35,559評論 5 345
  • 正文 年R本政府宣布棚赔,位于F島的核電站,受9級特大地震影響徘郭,放射性物質(zhì)發(fā)生泄漏靠益。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,167評論 3 328
  • 文/蒙蒙 一残揉、第九天 我趴在偏房一處隱蔽的房頂上張望胧后。 院中可真熱鬧,春花似錦抱环、人聲如沸壳快。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,779評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽眶痰。三九已至,卻和暖如春陶夜,著一層夾襖步出監(jiān)牢的瞬間凛驮,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,912評論 1 269
  • 我被黑心中介騙來泰國打工条辟, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留黔夭,地道東北人宏胯。 一個月前我還...
    沈念sama閱讀 47,958評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像本姥,于是被迫代替她去往敵國和親肩袍。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,779評論 2 354

推薦閱讀更多精彩內(nèi)容

  • 參考資料: 圖像卷積與濾波的一些知識點 圖像處理基本概念——卷積婚惫,濾波氛赐,平滑 1.卷積的基本概念 首先,我們有一個...
    keloli閱讀 10,031評論 0 26
  • 圖像濾波先舷,即在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進行抑制艰管,是圖像預(yù)處理中不可缺少的操作,其處理效果的好壞...
    木夜溯閱讀 3,075評論 0 10
  • 這些年計算機視覺識別和搜索這個領(lǐng)域非常熱鬧蒋川,后期出現(xiàn)了很多的創(chuàng)業(yè)公司牲芋,大公司也在這方面也花了很多力氣在做。做視覺搜...
    方弟閱讀 6,491評論 6 24
  • 前言 ? 本資料整理了高光譜遙感圖像概念定義捺球、分析處理與分類識別的基本知識缸浦。第一部分介紹高光譜圖像的一般性原理...
    Vinicer閱讀 5,940評論 0 24
  • 不同圖像灰度不同,邊界處一般會有明顯的邊緣氮兵,利用此特征可以分割圖像裂逐。需要說明的是:邊緣和物體間的邊界并不等同,邊緣...
    大川無敵閱讀 13,848評論 0 29