篇首语:本文由编程笔记#小编为大家整理,主要介绍了youcans 的 OpenCV 例程 200 篇106. 退化图像的逆滤波相关的知识,希望对你有一定的参考价值。
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列,持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列,持续更新中
图像复原是对图像退化的过程进行估计,并补偿退化过程造成的失真,以便获得未经退化的原始图像或原始图像的最优估值,从而改善图像质量的一种方法。
典型的图像复原方法是根据图像退化的先验知识建立退化模型,以退化模型为基础采用滤波等手段进行处理,使复原后的图像符合一定的准则,达到改善图像质量的目的。
因此,图像复原是沿着质量降低的逆过程来重现真实的原始图像,通过去模糊函数而去除图像模糊。
图像退化表示为退化算子
H
\\mathcalH
H, 退化函数可以用观察法、试验法或建模法估计,则通过逆滤波就可以直接实现图像复原。用退化图像的傅里叶变换除以退化函数的傅里叶变换,得到原始图像的傅里叶变换估计:
F
^
(
u
,
v
)
=
G
(
u
,
v
)
H
(
u
,
v
)
\\hatF(u,v) = \\fracG(u,v)H(u,v)
F^(u,v)=H(u,v)G(u,v)
但是,由于实际上退化图像是退化算子与加性噪声项共同作用的结果,由此得到:
F
^
(
u
,
v
)
=
F
(
u
,
v
)
+
N
(
u
,
v
)
H
(
u
,
v
)
\\hatF(u,v) = F(u,v) + \\fracN(u,v)H(u,v)
F^(u,v)=F(u,v)+H(u,v)N(u,v)
这表明即使获得退化函数
H
(
u
,
v
)
H(u,v)
H(u,v) 的估计,由于噪声项是未知的,因此也不能准确地复原原始图像。
进一步地,如果退化函数为 0 或很小,则噪声项的影响将非常严重(信噪比低)。这时,需要将频率限制到原点附近进行分析,可以减少遇到零值的可能性。
如前所述,通过湍流退化模型可以得到退化图像。使用该退化模型进行逆滤波,退化函数与生成退化图像所用的退化函数相反:
H
(
u
,
v
)
=
e
−
k
[
(
u
−
M
/
2
)
2
+
(
v
−
N
/
2
)
2
]
5
/
6
H(u,v) = e^-k [(u-M/2)^2+(v-N/2)^2]^5/6
H(u,v)=e−k[(u−M/2)2+(v−N/2)2]5/6
但是,直接使用退化模型 H(u,v) 逆滤波的结果(D0=full)很差,用理想低通滤波器对退化模型 H(u,v) 在半径 D0 之外截止后,则视觉效果较好。
# 9.20: 湍流模糊退化图像的逆滤波
def turbulenceBlur(img, k=0.001): # 湍流模糊传递函数: H(u,v) = exp(-k(u^2+v^2)^5/6)
M, N = img.shape[1], img.shape[0]
u, v = np.meshgrid(np.arange(M), np.arange(N))
radius = (u - M//2)**2 + (v - N//2)**2
kernel = np.exp(-k * np.power(radius, 5/6))
return kernel
def getDegradedImg(image, Huv, eps): # 根据退化模型生成退化图像
# (1) 傅里叶变换, 中心化
fft = np.fft.fft2(image.astype(np.float32)) # 傅里叶变换
fftShift = np.fft.fftshift(fft) # 将低频分量移动到频域图像中心
# (2) 在频率域修改傅里叶变换: 傅里叶变换 点乘 滤波器传递函数
fftShiftFilter = fftShift * Huv # Guv = Fuv * Huv
# (3) 对修正傅里叶变换 进行傅里叶逆变换,逆中心化
invShift = np.fft.ifftshift(fftShiftFilter) # 将低频分量逆转换回图像四角
imgIfft = np.fft.ifft2(invShift) # 逆傅里叶变换,返回值是复数数组
imgDegraded = np.uint8(cv2.normalize(np.abs(imgIfft), None, 0, 255, cv2.NORM_MINMAX)) # 归一化为 [0,255]
return imgDegraded
def ideaLPFilter(img, radius=10): # 理想低通滤波器
M, N = img.shape[1], img.shape[0]
u, v = np.meshgrid(np.arange(M), np.arange(N))
D = np.sqrt((u - M//2)**2 + (v - N//2)**2)
kernel = np.zeros(img.shape[:2], np.float32)
kernel[D <&#61; radius] &#61; 1
return kernel
def inverseFilter(image, Huv, D0): # 根据退化模型逆滤波
# (1) 傅里叶变换, 中心化
fft &#61; np.fft.fft2(image.astype(np.float32)) # 傅里叶变换
fftShift &#61; np.fft.fftshift(fft) # 将低频分量移动到频域图像中心
# (2) 在频率域修改傅里叶变换: 傅里叶变换 点乘 滤波器传递函数
if D0&#61;&#61;0:
fftShiftFilter &#61; fftShift / Huv # Guv &#61; Fuv / Huv
else:
lpFilter &#61; ideaLPFilter(image, radius&#61;D0)
fftShiftFilter &#61; fftShift / Huv * lpFilter # Guv &#61; Fuv / Huv
# (3) 对修正傅里叶变换 进行傅里叶逆变换&#xff0c;逆中心化
invShift &#61; np.fft.ifftshift(fftShiftFilter) # 将低频分量逆转换回图像四角
imgIfft &#61; np.fft.ifft2(invShift) # 逆傅里叶变换&#xff0c;返回值是复数数组
imgRebuild &#61; np.uint8(cv2.normalize(np.abs(imgIfft), None, 0, 255, cv2.NORM_MINMAX)) # 归一化为 [0,255]
return imgRebuild
# 读取原始图像
img &#61; cv2.imread("../images/Fig0525a.tif", 0) # flags&#61;0 读取为灰度图像
# 生成湍流模糊图像
HTurb &#61; turbulenceBlur(img, k&#61;0.0025)
imgBlur &#61; np.abs(getDegradedImg(img, HTurb, 0.0))
print(imgBlur.max(), imgBlur.min())
# # 逆滤波
imgRebuild &#61; inverseFilter(imgBlur, HTurb, 480) # Huv 全滤波器
imgRebuild1 &#61; inverseFilter(imgBlur, HTurb, D0&#61;40) # 在半径 D0 之外 Huv 截止
imgRebuild2 &#61; inverseFilter(imgBlur, HTurb, D0&#61;70)
imgRebuild3 &#61; inverseFilter(imgBlur, HTurb, D0&#61;100)
plt.figure(figsize&#61;(9, 7))
plt.subplot(231), plt.title("origin"), plt.axis(&#39;off&#39;), plt.imshow(img, &#39;gray&#39;)
plt.subplot(232), plt.title("turbulence blur"), plt.axis(&#39;off&#39;), plt.imshow(imgBlur, &#39;gray&#39;)
plt.subplot(233), plt.title("inverse filter(D0&#61;full)"), plt.axis(&#39;off&#39;), plt.imshow(imgRebuild, &#39;gray&#39;)
plt.subplot(234), plt.title("inverse filter(D0&#61;40)"), plt.axis(&#39;off&#39;), plt.imshow(imgRebuild1, &#39;gray&#39;)
plt.subplot(235), plt.title("inverse filter(D0&#61;70)"), plt.axis(&#39;off&#39;), plt.imshow(imgRebuild2, &#39;gray&#39;)
plt.subplot(236), plt.title("inverse filter(D0&#61;100)"), plt.axis(&#39;off&#39;), plt.imshow(imgRebuild3, &#39;gray&#39;)
plt.tight_layout()
plt.show()
&#xff08;本节完&#xff09;
版权声明&#xff1a;
youcans&#64;xupt 原创作品&#xff0c;转载必须标注原文链接&#xff1a;(https://blog.csdn.net/youcans/article/details/123027356)
Copyright 2022 youcans, XUPT
Crated&#xff1a;2022-2-20
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列&#xff0c;持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列&#xff0c;持续更新中
【youcans 的 OpenCV 例程200篇】01. 图像的读取&#xff08;cv2.imread&#xff09;
【youcans 的 OpenCV 例程200篇】02. 图像的保存&#xff08;cv2.imwrite&#xff09;
【youcans 的 OpenCV 例程200篇】03. 图像的显示&#xff08;cv2.imshow&#xff09;
【youcans 的 OpenCV 例程200篇】04. 用 matplotlib 显示图像&#xff08;plt.imshow&#xff09;
【youcans 的 OpenCV 例程200篇】05. 图像的属性&#xff08;np.shape&#xff09;
【youcans 的 OpenCV 例程200篇】06. 像素的编辑&#xff08;img.itemset&#xff09;
【youcans 的 OpenCV 例程200篇】07. 图像的创建&#xff08;np.zeros&#xff09;
【youcans 的 OpenCV 例程200篇】08. 图像的复制&#xff08;np.copy&#xff09;
【youcans 的 OpenCV 例程200篇】09. 图像的裁剪&#xff08;cv2.selectROI&#xff09;
【youcans 的 OpenCV 例程200篇】10. 图像的拼接&#xff08;np.hstack&#xff09;
【youcans 的 OpenCV 例程200篇】11. 图像通道的拆分&#xff08;cv2.split&#xff09;
【youcans 的 OpenCV 例程200篇】12. 图像通道的合并&#xff08;cv2.merge&#xff09;
【youcans 的 OpenCV 例程200篇】13. 图像的加法运算&#xff08;cv2.add&#xff09;
【youcans 的 OpenCV 例程200篇】14. 图像与标量相加&#xff08;cv2.add&#xff09;
【youcans 的 OpenCV 例程200篇】15. 图像的加权加法&#xff08;cv2.addWeight&#xff09;
【youcans 的 OpenCV 例程200篇】16. 不同尺寸的图像加法
【youcans 的 OpenCV 例程200篇】17. 两张图像的渐变切换
【youcans 的 OpenCV 例程200篇】18. 图像的掩模加法
【youcans 的 OpenCV 例程200篇】19. 图像的圆形遮罩
【youcans 的 OpenCV 例程200篇】20. 图像的按位运算
【youcans 的 OpenCV 例程200篇】21. 图像的叠加
【youcans 的 OpenCV 例程200篇】22. 图像添加非中文文字
【youcans 的 OpenCV 例程200篇】23. 图像添加中文文字
【youcans 的 OpenCV 例程200篇】24. 图像的仿射变换
【youcans 的 OpenCV 例程200篇】25. 图像的平移
【youcans 的 OpenCV 例程200篇】26. 图像的旋转&#xff08;以原点为中心&#xff09;
【youcans 的 OpenCV 例程200篇】27. 图像的旋转&#xff08;以任意点为中心&#xff09;
【youcans 的 OpenCV 例程200篇】28. 图像的旋转&#xff08;直角旋转&#xff09;
【youcans 的 OpenCV 例程200篇】29. 图像的翻转&#xff08;cv2.flip&#xff09;
【youcans 的 OpenCV 例程200篇】30. 图像的缩放&#xff08;cv2.resize&#xff09;
【youcans 的 OpenCV 例程200篇】31. 图像金字塔&#xff08;cv2.pyrDown&#xff09;
【youcans 的 OpenCV 例程200篇】32. 图像的扭变&#xff08;错切&#xff09;
【youcans 的 OpenCV 例程200篇】33. 图像的复合变换
【youcans 的 OpenCV 例程200篇】34. 图像的投影变换
【youcans 的 OpenCV 例程200篇】35. 图像的投影变换&#xff08;边界填充&#xff09;
【youcans 的 OpenCV 例程200篇】36. 直角坐标与极坐标的转换
【youcans 的 OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理
【youcans 的 OpenCV 例程200篇】38. 图像的反色变换&#xff08;图像反转&#xff09;
【youcans 的 OpenCV 例程200篇】39. 图像灰度的线性变换
【youcans 的 OpenCV 例程200篇】40. 图像分段线性灰度变换
【youcans 的 OpenCV 例程200篇】41. 图像的灰度变换&#xff08;灰度级分层&#xff09;
【youcans 的 OpenCV 例程200篇】42. 图像的灰度变换&#xff08;比特平面分层&#xff09;
【youcans 的 OpenCV 例程200篇】43. 图像的灰度变换&#xff08;对数变换&#xff09;
【youcans 的 OpenCV 例程200篇】44. 图像的灰度变换&#xff08;伽马变换&#xff09;
【youcans 的 OpenCV 例程200篇】45. 图像的灰度直方图
【youcans 的 OpenCV 例程200篇】46. 直方图均衡化
【youcans 的 OpenCV 例程200篇】47. 图像增强—直方图匹配
【youcans 的 OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
【youcans 的 OpenCV 例程200篇】49. 图像增强—局部直方图处理
【youcans 的 OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强
【youcans 的 OpenCV 例程200篇】51. 图像增强—直方图反向追踪
【youcans 的 OpenCV 例程200篇】52. 图像的相关与卷积运算
【youcans 的 OpenCV 例程200篇】53. Scipy 实现图像二维卷积
【youcans 的 OpenCV 例程200篇】54. OpenCV 实现图像二维卷积
【youcans 的 OpenCV 例程200篇】55. 可分离卷积核
【youcans 的 OpenCV 例程200篇】56. 低通盒式滤波器
【youcans 的 OpenCV 例程200篇】57. 低通高斯滤波器
【youcans 的 OpenCV 例程200篇】58. 非线性滤波—中值滤波
【youcans 的 OpenCV 例程200篇】59. 非线性滤波—双边滤波
【youcans 的 OpenCV 例程200篇】60. 非线性滤波—联合双边滤波
【youcans 的 OpenCV 例程200篇】61. 导向滤波&#xff08;Guided filter&#xff09;
【youcans 的 OpenCV 例程200篇】62. 图像锐化——钝化掩蔽
【youcans 的 OpenCV 例程200篇】63. 图像锐化——Laplacian 算子
【youcans 的 OpenCV 例程200篇】64. 图像锐化——Sobel 算子
【youcans 的 OpenCV 例程200篇】65. 图像锐化——Scharr 算子
【youcans 的 OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通
【youcans 的 OpenCV 例程200篇】67. 空间域图像增强的综合应用
【youcans 的 OpenCV 例程200篇】68. 空间域图像增强的综合应用
【youcans 的 OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数
【youcans 的 OpenCV 例程200篇】70. 一维连续函数的傅里叶变换
【youcans 的 OpenCV 例程200篇】71. 连续函数的取样
【youcans 的 OpenCV 例程200篇】72. 一维离散傅里叶变换
【youcans 的 OpenCV 例程200篇】73. 二维连续傅里叶变换
【youcans 的 OpenCV 例程200篇】74. 图像的抗混叠
【youcans 的 OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换
【youcans 的 OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换
【youcans 的 OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换
【youcans 的 OpenCV 例程200篇】78. 频率域图像滤波基础
【youcans 的 OpenCV 例程200篇】79. 频率域图像滤波的基本步骤
【youcans 的 OpenCV 例程200篇】80. 频率域图像滤波详细步骤
【youcans 的 OpenCV 例程200篇】81. 频率域高斯低通滤波器
【youcans 的 OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器
【youcans 的 OpenCV 例程200篇】83. 频率域低通滤波&#xff1a;印刷文本字符修复
【youcans 的 OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器
【youcans 的 OpenCV 例程200篇】85. 频率域高通滤波器的应用
【youcans 的 OpenCV 例程200篇】86. 频率域滤波应用&#xff1a;指纹图像处理
【youcans 的 OpenCV 例程200篇】87. 频率域钝化掩蔽
【youcans 的 OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波
【youcans 的 OpenCV 例程200篇】89. 带阻滤波器的传递函数
【youcans 的 OpenCV 例程200篇】90. 频率域陷波滤波器
【youcans 的 OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声
【youcans 的 OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声
【youcans 的 OpenCV 例程200篇】93. 噪声模型的直方图
【youcans 的 OpenCV 例程200篇】94. 算术平均滤波器
【youcans 的 OpenCV 例程200篇】95. 几何均值滤波器
【youcans 的 OpenCV 例程200篇】96. 谐波平均滤波器
【youcans 的 OpenCV 例程200篇】97. 反谐波平均滤波器
【youcans 的 OpenCV 例程200篇】98. 统计排序滤波器
【youcans 的 OpenCV 例程200篇】99. 修正阿尔法均值滤波器
【youcans 的 OpenCV 例程200篇】100. 自适应局部降噪滤波器
【youcans 的 OpenCV 例程200篇】101. 自适应中值滤波器
【youcans 的 OpenCV 例程200篇】102. 陷波带阻滤波器的传递函数
【youcans 的 OpenCV 例程200篇】103. 陷波带阻滤波器消除周期噪声干扰
【youcans 的 OpenCV 例程200篇】104. 运动模糊退化模型
【youcans 的 OpenCV 例程200篇】105. 湍流模糊退化模型
【youcans 的 OpenCV 例程200篇】106. 退化图像的逆滤波