图像复原的学习总结与分析

** 图像退化：**

由形成过程中的各环节构成的图像，在经历成像系统等存在不足的阶段后被记录并传递到处理阶段，在这一过程中可能会出现质量问题进而产生影响；这种现象被称为图像退化

图像复原：

就是对退化的图像进行处理，尽可能恢复出原始图像的真实面貌。

图像复原方法思路：

核心在于从降质后的图像推断出降质过程与噪声特性，并由此获得复原算子；其中，在空间域内可直接实施复原，在频域内则需借助傅里叶变换技术完成。

几种噪声模型：

高斯噪声 Rayleigh噪声 指数噪声 均匀噪声 salt-and -pepper噪声。

估计噪声常用方法是：

对图像中相对平坦区域进行分析研究以确定噪声的概率密度函数形式及参数具体而言首先会对图像中的平坦区域进行裁剪处理随后统计该平面区域内像素值分布的均值与方差进而推导出该噪声的概率密度函数的具体形式及其相关参数

点扩展函数：

主要是学习了线性运动模糊的点扩展函数。

当理想图像是一个点σ(x,y)=1，并且图像采集过程中存在缺陷时，则系统生成的实际图像将不再是一个单一的点。实际图像不再是单一的点h(x,y)，而是变成了由多个扩散成的群组h(x,y)。

几种恢复方法：

主要是系统学习了频域图像恢复中的逆滤波与维纳滤波图像复原技术。其中逆滤波复原方法在忽略噪声影响的前提下工作，在退化函数取值