Устранение размытости изображений при помощи винеровской фильтрации

Министерство образования и науки Украины

 

НТУУ КПИ

 

 

Кафедра РЭС

 

 

 

 

 

Отчет

по лабораторной работе № 2

по предмету: “КОЗтС “

на тему : “Устранение размытости изображений  при помощи винеровской фильтрации “

 

 

 

 

 

 

 

Выполнили:                                                                                     Проверил:

 

 

 

 

 

Киев 2014

Цель работы: изучить алгоритм винеровской фильтрации изображений,

проанализировать возможность использования алгоритма винеровской фильтрации для устранения размытости изображения вследствие движения камеры, выяснить влияние шума на эффективность алгоритма.

 Ход работы

1. Считаем файл изображения в рабочую область Matlab.

В командной строке Matlab выполним следующие команды:                    I=imread('name_image.tif');% считывание изображения

imshow(l);% просмотр изображения

 

 

 

2. Вырежем для удобства обработки фрагмент изображения.

 

 

3. Выполним имитацию размытости изображения из-за движения.

Для имитации встречающейся на практике смазанности изображения из-за движения камеры с помощью функции fspecial создадим функцию размазывания точки, PSF, которая будет соответствовать линейному движению камеры на 7 пикселов (LEN=7) под углом 10 градусов (ТНЕТА=10).Для моделирования смазывания используем процедуру фильтрации изображений imfilter.

.

 

 

 

 

 

4. Восстановление изображения. Чтобы продемонстрировать важность знания подлинной функции размазывания PSF, осуществим три попытки восстановления. В первом случае восстановленное изображение wnr1 будет получено с использованием подлинной PSF, полученной ранее.

 

 

 

Во втором случае восстановленное изображение wnr2 будет получено в предположении, что функция PSF вдвое длиннее, нежели на самом деле.

 

В третьем случае восстановленное изображение wnr3 будет получено в предположении, что функция PSF наклонена под углом, вдвое превышающем истинный угол.

 

 

5. Имитация аддитивного шума. Сгенерируем нормально распределенный шум и наложим его на смазанное изображение

 

6. Восстановление смазанного зашумленного изображения.

 

Нетрудно видеть, что зашумленное изображение восстановилось значительно хуже, чем не зашумленное. Чтобы улучшить качество восстановления, необходимо предварительно вычислить отношение шум-сигнал NSR, а затем учесть его при восстановлении

Изменим значение NSR (уменьшим в 2 раза) и посмотрим, как это скажется на результатах восстановления.

 

 

В результате видим, что это приводит к ослаблению шума.

 

7. Применение автокорреляционной обработки для улучшения восстановления изображения.

 Далее восстановление произведем, предварительно вычислив автокорреляционную функцию шума (NCORR) и сигнала (ICORR).

 

 

 

Посмотрим, как выглядит автокорреляционная функция шума.

 

Посмотрим, как выглядит автокорреляционная функция сигнала.

 

 

Наконец, посмотрим, к каким результатам приведет учет ограниченной

статистической информации: мощности шума NPOW и одномерной автокорреляционной функции изображения ICORR1.

 

 

Вывод. На этой лабораторной работе мы изучили алгоритм винеровской фильтрации изображений, проанализировали возможность использования алгоритма винеровской фильтрации для устранения размытости изображения вследствие движения камеры, выяснили влияние шума на эффективность алгоритма.