dxdy和德尔塔y的区别x的区别

拍照搜题秒出答案,一键查看所有搜题记录

拍照搜题秒出答案,一键查看所有搜题记录

拍照搜题秒出答案,一键查看所有搜题记录

第 5 章 图 像 恢 复 5.0.1 什么是图像恢复 圖像恢复是利用客观准则以及图像看起来应该如何的先验知识而对图像进行的改善。 5.0.2 为什么图像需要恢复 一幅图像可能会因为像素的灰喥值被改变而退化,或因为像素的位置从正确位置被移 动出去而失真第 2 种情况是几何恢复要处理的,它是图像配准的一种类型 5.0.3 什么是圖像配准? 图像配准要建立两幅描述相同场景的图像中像素间的对应关系其基础是对应像素源 于成像场景中的同一个物理片。图像配准昰一个很宽泛的主题其应用包括医学图像处理、 遥感和多视视觉,它的内容超出了本书的范围 5.0.4 图像恢复是如何进行的? 灰度值的恢复鈳以模型化为一个线性过程此时它可用线性方法来解决。如果退化是 均匀的即退化模型对整幅图像一致,那么问题就变成定义一个恰當的卷积滤波器用它 来处理退化的图像以消除退化。对线性但不均匀的退化可以寻找一个线性的解,但它不 能表示成简单的卷积形式对一般的退化过程,其中线性和非线性效果都起作用那么就 需要使用非线性方法。 5.0.5 图像增强和图像恢复的区别是什么 在图像增强中,试图使用主观准则来改善图像而在图像恢复中,试图使用客观准则 通过将图像遭受的特定损伤反方向纠正过来 5.1 齐次线性图像恢复:逆滤波 5.1.1 如何对齐次线性图像退化建模? 在引起图像损坏的效果是线性的假设下可以使用式 (1.15)。在连续域输出图像 g(α, β )可借助输入图潒f (x, y )写成: 第 5 章 图 像 恢 复 291 +∞ +∞ g (α , β ) = ∫ ∫ f (x , y )h( x, α , y , β )dxdy (5.1 ) ?∞ ?∞ 其中 h(x, α, y , β )是表示退化效果的点扩散函数。如果这个效果对整幅图像都一样则点扩 散函数是移不变的,式(1.17)成立那么,就可以将退化图像模型化为未退化图像f (x, y ) 和退化过程的点扩散函数 h(x, α, y , β ) 的卷积: +∞ +∞ g (α , β ) = ∫ ∫ f (x , y )h(α ? x, β ? y )dxdy (5.2 ) ?∞ ?∞ 考虑各个函数的傅里叶变换可以写成 ? ? ? G( u, v) = F ( u, v) H ( u, v) (5.3 ) ? ? ? 其中 F , G 和 H 分别是函数f g 和 h 的傅里叶变换。 5.1.2 图像恢复问题可如何解决 如果有点扩散函数的先验知识,或有退化过程的傅里叶变换(频率响应函数 )则图像 恢复问题可以解决。 ? 5.1.3 如何可以获得退化过程的频率响应函数 H (u, v) 的信息 ? 1. 根据导致退化的物理过程的知识。例如如果退化是由于衍射造成的,则 H (u, v) 可以计算类似地,如果退化是由於大气湍流或运动造成的则可对物理过程建模并计算 ? H (u, v) 。

我要回帖

更多关于 dx与deltax 的文章

 

随机推荐