圖像恢復常用的三種演算法

1. 在圖像處理中有哪些演算法

1、圖像變換：

由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，可減少計算量，獲得更有效的處理。它在圖像處理中也有著廣泛而有效的應用。

2、圖像編碼壓縮：

圖像編碼壓縮技術可減少描述圖像的數據量，以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。

壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。

編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3、圖像增強和復原：

圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。

圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中雜訊影響。

4、圖像分割：

圖像分割是數字圖像處理中的關鍵技術之一。

圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。

5、圖像描述：

圖像描述是圖像識別和理解的必要前提。

一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。

6、圖像分類：

圖像分類屬於模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。

圖像分類常採用經典的模式識別方法，有統計模式分類和句法模式分類。

(1)圖像恢復常用的三種演算法擴展閱讀：

圖像處理主要應用在攝影及印刷、衛星圖像處理、醫學圖像處理、面孔識別、特徵識別、顯微圖像處理和汽車障礙識別等。

數字圖像處理技術源於20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，採用了數字壓縮技術。

數字圖像處理技術可以幫助人們更客觀、准確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識別上千種顏色，

但很多情況下，圖像對於人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。

2. 圖像復原

就是要盡可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。

典型的圖像復原是根據圖像退化的先驗知識建立一個退化模型，以此模型為基礎，採用各種逆退化處理方法進行恢復，使圖像質量得到改善。

圖像復原和圖像增強的區別：圖像增強不考慮圖像是如何退化的，而是試圖採用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強後的圖像是否失真，只要看得舒服就行。而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據此找出一種相應的逆處理方法，從而得到復原的圖像。如果圖像已退化，應先作復原處理，再作增強處理。二者的目的都是為了改善圖像的質量。

資料： 圖像恢復的目的是設法改進圖像的質量，以提高視覺觀察或進一步數字處理的效果。從這個意義上看，圖像恢復與圖像增強的目的相同。差別是圖像恢復後的圖像可看成是原始圖像逆退化過程的結果。因此，圖像恢復有時候稱作客觀圖像增強。恢復技術可以是整體的也可以是局部的，它們可以在某個頻域或空間域中實現。例如消除一個具有已知頻率的干擾模式，最好在頻域中進行，其步驟為：傅立葉變換，濾波，傅立葉逆變換。去除幾何變形一般是在空間域內完成。

3. 圖像恢復處理

圖像恢復處理的目的是為進一步作增強或分類處理提供高質量的可供使用的圖像數據,故也稱預處理。有關地面接收站在向用戶提供CCT磁帶之前一般都作了例行(粗製)的恢復處理。遙感地質應用人員為了獲得滿足專業要求的處理效果和精度,有時還需要做以下幾種恢復處理,使之成為「精製」的CCT數據:

(一)大氣校正

粗製CCT產品一般只對由遙感器本身引起的系統(輻射)誤差作了校正,尚保留著主要由大氣散射效應帶來的輻射失真。校正處理時通常僅考慮瑞利散射的影響,以MSS為例,它在4、5波段較大,6波段次之,7波段最小(圖4-12),故在實際處理中最簡單的辦法是先從MSS₇上找出0值像元(陰影),然後將其它各波段的數值減去各自對應於MSS₇0值像元的亮度值數即可。但一般是分波段統計地物目標的亮度,分別與MSS₇作二維對比圖(圖4-13(a));或者將各波段的直方圖與MSS₇直方圖對比(圖4-13(b)),相對於MSS7出現的偏移值a可視為大氣散射的影響。經驗表明,MSS₄的訂正值在9-13,MSS₅為5-9,而MSS₆為1-5,MSS₇為0-3。

圖4-12 大氣散射對MSS各波段的影響

圖4-13 MSS數字圖像上確定大氣校正值a的方法

大氣校正會增加圖像的對比度,消除霧霾感(短波波段尤甚),在做比值增強、彩色合成等處理時,事先做這種校正更為必要。

(二)幾何校正

系指消除遙感圖像在其形成過程中產生的各種幾何位置失真(畸變)的圖像處理過程。在粗製CCT產品中通常已對由遙感器本身和地球自轉造成的系統幾何畸變作了例行校正處理(習稱粗糾正),因此,遙感地質人員需要做的,主要是對CCT中殘存的非系統(隨機)畸變的糾正(習稱精糾正)。

數字圖像幾何精糾正的實質是逐像元地將其圖像坐標按一定的精度要求變換到地形圖的地理坐標系中,然後再按恰當的抽樣方法對像元重新作亮度賦值。進行圖像與地形圖的坐標變換,首先要選定一批在二者中都容易識別的同名點作控制。以控制點所提供的兩組坐標數據,採用回歸方法就可以建立兩個坐標系之間的轉換函數,確定轉換系數矩陣。目前最常用的是二元N階多項式,一般表達式為:

遙感地質學

其中,v、u是遙感圖像中的像元坐標,x、y是配准到地形圖後輸出新圖像中的像元坐標,N為階數,N值越大,說明幾何歪曲越復雜。a和b為轉換系數,其值由選用的控制點坐標通過回歸方法確定,一般用最小二乘法通過地面控制點數據進行曲面擬合求得。

輸出新圖像的像元尺寸不一定與原圖像一致,故處理時應預先提供原圖像坐標原點(左上角)的經緯度,以及新像元的尺寸。新像元的亮度值通過重采樣獲得,常用的方法有最近鄰點法、雙向線性內插法、三次褶積法等。其中,最近鄰點法計算簡單,但誤差較大;三次褶積精度高,但運算量大;雙向線性內插法居中,具體可視工作要求選定。

幾何精糾正直接以地形圖(地理坐標)為參照,綜合校正所有因素造成的幾何畸變,能顯著改善數字圖像的幾何精度,不僅對後續的解譯制圖和幾何量算是非常必要的,而且它也是不同圖像的配准和多元信息復合的基礎。因此,提高糾正處理本身的精度就顯得很重要了。關鍵是選准幾何控制點,要盡量挑選那些位置確准、與周圍差異顯著、且范圍窄小的影像,最好是孤立的像元。如河流的干、支流交匯點、拐流點、獨立的小水體、特徵明顯的地形點、坡折點等等。由於水在近紅外反射極低,數字圖像上亮度幾乎為零,易於確定,所以應多利用近紅外波段的圖像(MSS₇、TM₄、TM₅、TM₇等)來選控制點。控制點的數目要適中、在圖像上分布要均勻,位置精度一般應小於0.5個像元。

此外,諸如TM之類粗製數字磁帶,本身幾何精度尚較高,如已能滿足研究的精度要求,也可以採用整體旋轉坐標軸,使圖像方位指向正北的辦法作幾何校正。

(三)數字鑲嵌和數字放大

數字鑲嵌是指將相鄰且互有重疊的兩幅或數幅CCT數據,拼接生成一個在幾何形態上和色調分布上協調一致,統一為一個整體的新圖像(數據)文件的處理過程。通常涉及兩項關鍵技術:一是相鄰圖像的幾何配准,一般通過先在兩幅圖像的重疊區選取同名點像元作幾何控制點,然後以其中一幅為准,對另一幅作類似於上述幾何精糾正來實現;另一是相鄰圖像之間的色調和反差調整,一般採取先對兩幅圖像的重疊區作均值、方差或直方圖匹配,而後根據求出的匹配系數,以一幅為准,調整另一幅圖像的反差,使二者色調均衡。經依次幾何配准和反差調整後,裁去重疊區其中一幅的重復像元,並對各接邊作適當平滑調整,按統一的數據文件形式輸出,即成。

數字鑲嵌可以較好地克服常規衛片鑲嵌圖往往呈現為色調不一的棋格塊狀,以致嚴重干擾判讀解譯的缺陷,對於宏觀地質分析(油氣盆地、區域構造帶)或研究區跨越不同圖像是非常必要的。為了取得滿意的鑲嵌效果,相鄰圖幅的CCT數據,時相應盡可能接近;允許鑲嵌多少圖幅,很大程度上取決於主機的容量和圖像種類(數據量),有時為了製作大范圍的數字鑲嵌圖,可能要採取間隔采樣或信息壓縮技術來減少數據量。

彩色圖版④是塔里木地區57幅TM的數字鑲嵌圖像,已看不出是多幅圖像鑲嵌而成。

數字放大實際是數字圖像的采樣點內插加密,即逐行逐列地在原圖像的相鄰像元中間等量插入新像元,並按一定的插值原理(最常用的是雙線性內插法)對其作亮度賦值。通過插值,該圖像的采樣點密度成倍增加。如圖4-14所示,行、列各內插一個像元,使原為4個像元(黑點)的圖像變成了4×4=16個像元的新圖像。此時,由於新圖像對應於地面的大小並未改變,只是像元密度增加了一倍,於是像元的地面分辨力提高了一倍(原來一個像元被分成④個),從而起到了圖像「放大」的作用。

數字放大主要用於製作大比例尺的衛星像片。如TM圖像經數字放大處理後製成1:5萬(常規一般為1:10萬)的衛片仍有較高的影像清晰度。但需強調的是,其作用僅僅是改善像質,實際上並未增加信息。

以上從遙感地質應用的角度介紹了幾種圖像恢復處理。最後,還需說明一點,在作這些處理之前,要事先檢查得到的CCT磁帶數據是否有掃描線脫落等壞帶現象,如有,則需先作去條帶處理(一般也是通過上、下行線性插值等方法進行)。不然,將影響後續處理結果。

圖4-14 數字放大示意圖

4. 圖像處理的常用方法有哪幾個

1、圖像變換：

由於圖像陣列比較大，如果直接在空間域中進行圖像處理，這樣涉及的計算量會比較大。因此，我們一般採用各種圖像變換的方法，如沃爾什變換、傅立葉變換、離散餘弦變換等一些間接處理技術，將空間域的處理轉變為變換域處理，不僅可減少計算量，而且可獲得更有效的處理(如傅立葉變換可在頻域中進行數字濾波處理)。

2、圖像編碼壓縮：

圖像編碼壓縮技術能夠減少描述圖像的數據量，從而可以節省圖像傳輸、處理時間和減少所佔用的存儲器容量。圖像編碼壓縮能夠在不失真的基礎上獲得，同時也可以在允許的失真條件下開始。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3、圖像增強和復原：

圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯;如強化低頻分量可減少圖像中雜訊影響。圖像復原要求對圖像降質的原因有一定的了解，一般講應根據降質過程建立“降質模型”，再採用某種濾波方法，恢復或重建原來的圖像。

4、圖像分割：

圖像分割是數字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區域分割的方法，但還沒有一種普遍適用於各種圖像的有效方法。

關於圖像處理的常用方法，青藤小編就和您分享到這里了。如果您對圖片處理、網站設計等有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於平面設計的技巧及素材等內容，可以點擊本站的其他文章進行學習。

5. 圖像修復的原理是什麼

圖像修復是指對受到損壞的圖像進行修復重建或者去除圖像中的多餘物體。圖像修復者需要採取最恰當的方法恢復圖像的原始狀態，同時保證圖像達到最理想的藝術效果。
常用的方法: 偏微分方程的方法：Bertalmio採用偏微分方程（PDE）的方法進行圖像修復，取得了較好的效果。用戶需指定需要修復的區域，演算法將待修補的區域邊界的等值線外部的信息沿輪廓法向擴散到中間待修補的象素上。該演算法利用局部顏色的光滑度沿著等值線擴散，考慮了各向異性的擴散，以保證邊緣處的邊界連續，但該方法計算不穩定。 整體變分方法和基於曲率的擴散模型：整體變分方法(TV，TotalVariational)採用了歐拉－拉格朗日方程和各向異性的擴散，基於曲率的擴散模型(CDD，Curvature-DrivenDiffusion)方法是整體變分方的一種擴展，在擴散過程中考慮了輪廓的幾何信息（曲率），可以處理較大的區域，但邊界處往往很模糊。 高斯卷積核對圖像進行濾波的方法：利用了高斯卷積核對圖像進行濾波，能快速地修復破損區域，但該演算法僅考慮了破損區域邊緣一周的圖像顏色值，使得其僅適用於破損區域為2-3個象素寬度的情形。 紋理合成的方法：紋理合成的方法，能較好地去除圖像中的大塊污斑，但由於演算法運行時間不是與掩模區域成正比，而是與圖像大小成正比，因此修復時間相對較長。

6. 數字圖像處理的主要方法

數字圖像處理的工具可分為三大類：

第一類包括各種正交變換和圖像濾波等方法，其共同點是將圖像變換到其它域（如頻域）中進行處理（如濾波）後，再變換到原來的空間（域）中。

第二類方法是直接在空間域中處理圖像，它包括各種統計方法、微分方法及其它數學方法。

第三類是數學形態學運算，它不同於常用的頻域和空域的方法，是建立在積分幾何和隨機集合論的基礎上的運算。

由於被處理圖像的數據量非常大且許多運算在本質上是並行的，所以圖像並行處理結構和圖像並行處理演算法也是圖像處理中的主要研究方向。

(6)圖像恢復常用的三種演算法擴展閱讀

1、數字圖像處理包括內容：

圖像數字化；圖像變換；圖像增強；圖像恢復；圖像壓縮編碼；圖像分割；圖像分析與描述；圖像的識別分類。

2、數字圖像處理系統包括部分：

輸入（採集）；存儲；輸出（顯示）；通信；圖像處理與分析。

3、應用

圖像是人類獲取和交換信息的主要來源，因 此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。隨著人類活動范圍的不斷擴大，圖像處理的應用領域也將隨之不斷擴大。

主要應用於航天和航空、生物醫學工程、通信 工程、工業和工程、軍事公安、文化藝術、機器人視覺、視頻和多媒體系統、科學可視化、電子商務等方面。

7. 模糊圖像復原方法

圖像復原-模糊圖像處理解決方案
機器視覺智能檢測 2017-06-16
造成圖像模糊的原因有很多，且不同原因導致的模糊圖像需要不同的方法來進行處理。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。本文將從這三方面切入剖析。

智能化設備管理技術是利用系統管理平台軟體的設備管理服務，對所有的監控設備包括攝像機、雲台、編碼器和系統伺服器進行不間斷的實時監測，當發現故障時能及時通過各種方式告警，提示維護人員及時處置。一個系統可以按照網路拓撲結構部署多台設備管理伺服器，分區域對設備進行實時的巡檢，這樣可以大大提高系統的維護效率，盡可能做到在設備發生故障時，在不超過10分鍾的時間內被監測到並告警。

建設目標

本方案擬應用先進的機器學習和計算機視覺技術，模擬人類的視覺系統，針對某市公共安全圖像資源前端攝像頭出現的雪花、滾屏、模糊、偏色、畫面凍結、增益失衡和雲台失控等常見攝像頭故障以及惡意遮擋和破壞監控設備的不法行為做出准確判斷，並自動記錄所有的檢測結果，生成報表。以便用戶輕松維護市公共安全圖像資源系統。

技術路線

將視頻故障分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻雜訊、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控八種類型。其中視頻信號缺失、隨著「平安城市」的廣泛建設，各大城市已經建有大量的視頻監控系統，雖然監控系統己經廣泛地存在於銀行、商場、車站和交通路口等公共場所，但是在公安工作中，由於設備或者其他條件的限制，案情發生後的圖像回放都存在圖像不清晰，數據不完整的問題，無法為案件的及時偵破提供有效線索。經常出現嫌疑人面部特徵不清晰、難以辨認、嫌疑車輛車牌模糊無法辨認等問題，這給公安部門破案、法院的取證都帶來了極大的麻煩。隨著平安城市的推廣、各地各類監控系統建設的進一步推進，此類問題將會越來越凸顯。

模糊圖像產生的原因

造成圖像模糊的原因很多，聚焦不準、光學系統的像差、成像過程中的相對運動、大氣湍流效應、低光照、環境隨機雜訊等都會導致圖像模糊。另外圖像的編解碼、傳輸過程都可能導致圖像的進一步模糊。總體來說，造成圖像模糊的主要原因如下：

· 鏡頭聚焦不當、攝像機故障等;

· 傳輸太遠、視頻線老化、環境電磁干擾等;

· 攝像機護罩視窗或鏡頭受臟污、受遮擋等;

· 大霧、沙塵、雨雪等惡劣環境影響;

· 由視頻壓縮演算法和傳輸帶寬原因導致的模糊;

· 攝像機解析度低，欠采樣成像;

· 光學鏡頭的極限解析度和攝像機不匹配導致的模糊;

· 運動目標處於高速運動狀態導致的運動模糊等;

……

模糊圖像常用解決方案

對於模糊圖像處理技術，國內大學和科研機構在多年以前就在研究這些理論和應用，相關文獻也發布了不少，已經取得了一些很好的應用。美國 Cognitech軟體是相當成熟的一套模糊圖像恢復應用軟體，在美國FBI及其他執法機構中已有多年實際應用，其恢復出的圖像可以直接當作法庭證據使用，可見模糊圖像處理技術已經取得了相當的實際應用。

前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。

圖像增強

很多傳統圖像演算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態學、顏色處理等。就單個來講，這些演算法都比較成熟，相對簡單。但是對於一個具體的模糊圖像，往往需要上面的一種或者多種演算法組合，配合不同的參數才能達到理想的效果。這些演算法和參數的組合進一步發展成為具體的增強演算法，比如「圖像去霧」演算法、「圖像去噪」演算法、「圖像銳化」演算法、「圖像暗細節增強」演算法等等。這些演算法都不同程度提高了圖像清晰度，很大程度改善了圖像質量。

綜合使用形態學、圖像濾波和顏色處理等演算法可以實現圖像去霧的演算法，圖1是一個去霧演算法的實際使用效果，類似的圖像增強演算法還有很多，不再一一列舉。圖像復原

圖像復原與圖像增強技術一樣，也是一種改善圖像質量的技術。圖像復原是根據圖像退化的先驗知識建立一個退化模型，然後以此模型為基礎，採用各種逆退化處理方法逐步進行恢復，從而達到改善圖像質量的目的。

圖像復原和圖像增強是有區別的，兩者的目的都是為了改善圖像的質量。但圖像增強不考慮圖像是如何退化的，只有通過試探各種技術來增強圖像的視覺效果，而圖像復原就完全不同，需要知道圖像退化過程的先驗知識，據此找出一種相應的逆過程方法，從而得到復原的清晰圖像。圖像復原主要取決於對圖像退化過程的先驗知識所掌握的精確程度。

對由於離焦、運動、大氣湍流等原因引起的圖像模糊，圖像復原的方法效果較好，常用的演算法包括維納濾波演算法、小波演算法、基於訓練的方法等。圖3是使用維納濾波解決運動模糊圖像的例子，取得了很好的復原效果。在知道退化模型的情況下，相對圖像增強來說，圖像復原可以取得更好的效果。圖像超解析度重構

現有的監控系統主要目標為宏觀場景的監視，一個攝像機，覆蓋一個很大的范圍，導致畫面中目標太小，人眼很難直接辨認。這類由於欠采樣導致的模糊占很大比例，對於由欠采樣導致的模糊需要使用超解析度重構的方法。

超解析度復原是通過信號處理的方法，在提高圖像的解析度的同時改善採集圖像質量。其核心思想是通過對成像系統截止頻率之外的信號高頻成分估計來提高圖像的解析度。超解析度復原技術最初只對單幅圖像進行處理，這種方法由於可利用的信息只有單幅圖像，圖像復原效果有著固有的局限。序列圖像的超解析度復原技術旨在採用信號處理方法通過對序列低解析度退化圖像的處理來獲得一幅或者多幅高解析度復原圖像。由於序列圖像復原可利用幀間的額外信息，比單幅復原效果更好，是當前的研究熱點。

序列圖像的超解析度復原主要分為頻域法和空域法兩大類，頻域方法的優點是：理論簡單，運算復雜度低，缺點是：只局限於全局平移運動和線性空間不變降質模型，包含空域先驗知識的能力有限。空域方法所採用的觀測模型涉及全局和局部運動、空間可變模糊點擴散函數、非理想亞采樣等，而且具有很強的包含空域先驗約束的能力。常用的空域法有非均勻插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大後驗估計法（MAP）、最大似然估計法 （ML）、濾波器法等，其中，MAP和POCS二方法研究較多，發展空間很大。對於具體的演算法，不是本文的重點，這里不做詳細介紹。圖五是一個使用多幀低解析度圖像超解析度重構的例子。

模糊圖像處理技術的關鍵和不足

雖然很多模糊圖像的處理方法在實際應用中取得了很好的效果，但是當前仍然有一些因素制約著模糊圖像處理的進一步發展，主要如下。

演算法的高度針對性

絕大部分的模糊圖像處理演算法只適用於特定圖像，而演算法本身無法智能決定某個演算法模塊的開啟還是關閉。舉例來說，對於有霧的圖像，「去霧演算法」可以取得很好的處理效果，但是作用於正常圖像，反而導致圖像效果下降，「去霧演算法」模塊的打開或者關閉需要人工介入。

演算法參數復雜性

模糊圖像處理裡面所有的演算法都會包含大量的參數，這些參數的選擇需要和實際的圖像表現相結合，直接決定最終的處理效果。就目前的演算法，還沒有辦法智能地選擇哪些是最優的參數。

演算法流程的經驗性

由於實際圖像非常復雜，需要處理多種情況，這就需要一個演算法處理流程，對於一個具體的模糊視頻，採用什麼樣的處理流程很難做到自動選擇，需要人工選擇一個合適的方法，只能靠人的經驗。

結語

由於環境、線路、鏡頭、攝像機等影響，監控系統建成並運營一段時間後，都會出現一部分的視頻模糊不清的問題。

總體來說，雖然模糊圖像處理演算法已經取得了非常廣泛的應用，但是圖像演算法畢竟有局限性，不能將所有問題都寄希望於圖像演算法，對於不同種類的模糊問題，要區別對待。對於由鏡頭離焦、灰塵遮擋、線路老化、攝像機故障等造成的模糊或者圖像質量下降，在視頻診斷系統的幫助下，一定要及時維修，從源頭上解決問題。對於低光照等優先選擇日夜兩用型高感光度攝像機，對於雨霧、運動和欠采樣等造成的圖像質量下降，可以藉助於「視頻增強伺服器」包含的各種模糊圖像處理演算法來提升圖像質量。喜歡此內容的人還喜歡
17個教師常用網站推薦給你，再也不用到處找資源了
17個教師常用網站推薦給你，再也不用到處找資源了 ...
高校教師服務工作室
不喜歡
不看的原因
確定
內容質量低 不看此公眾號
什麼是水磨石？被設計師玩出新高度
什麼是水磨石？被設計師玩出新高度 ...
聯盟設計庫
不喜歡
不看的原因
確定
內容質量低 不看此公眾號

8. 圖像處理的增強復原

圖像增強的目標是改進圖片的質量，例如增加對比度，去掉模糊和雜訊，修正幾何畸變等；圖像復原是在假定已知模糊或雜訊的模型時，試圖估計原圖像的一種技術。
圖像增強按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基於二維傅里葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的雜訊；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域演算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱雜訊。
早期的數字圖像復原亦來自頻率域的概念。現代採取的是一種代數的方法，即通過解一個大的方程組來復原理想的圖片。
以提高圖像質量為目的的圖像增強和復原對於一些難以得到的圖片或者在拍攝條件十分惡劣情況下得到的圖片都有廣泛的應用。例如從太空中拍攝到的地球或其他星球的照片，用電子顯微鏡或X光拍攝的生物醫療圖片等。
圖像增強使圖像清晰或將其轉換為更適合人或機器分析的形式。與圖像復原不同，圖像增強並不要求忠實地反映原始圖像。相反，含有某種失真（例如突出輪廓線）的圖像可能比無失真的原始圖像更為清晰。常用的圖像增強方法有：①灰度等級直方圖處理：使加工後的圖像在某一灰度范圍內有更好的對比度；②干擾抑制：通過低通濾波、多圖像平均、施行某類空間域運算元等處理，抑制疊加在圖像上的隨機性干擾；③邊緣銳化：通過高通濾波、差分運算或某種變換，使圖形的輪廓線增強；④偽彩色處理：將黑白圖像轉換為彩色圖像，從而使人們易於分析和檢測圖像包含的信息。
圖像復原除去或減少在獲得圖像過程中因各種原因產生的退化。這類原因可能是光學系統的像差或離焦、攝像系統與被攝物之間的相對運動、電子或光學系統的雜訊和介於攝像系統與被攝像物間的大氣湍流等。圖像復原常用二種方法。當不知道圖像本身的性質時，可以建立退化源的數學模型，然後施行復原演算法除去或減少退化源的影響。當有了關於圖像本身的先驗知識時，可以建立原始圖像的模型，然後在觀測到的退化圖像中通過檢測原始圖像而復原圖像。
圖像分割將圖像劃分為一些互不重疊的區域，每一區域是像素的一個連續集。通常採用把像素分入特定區域的區域法和尋求區域之間邊界的境界法。區域法根據被分割對象與背景的對比度進行閾值運算，將對象從背景中分割出來。有時用固定的閾值不能得到滿意的分割，可根據局部的對比度調整閾值，這稱為自適應閾值。境界法利用各種邊緣檢測技術，即根據圖像邊緣處具有很大的梯度值進行檢測。這兩種方法都可以利用圖像的紋理特性實現圖像分割。

9. 圖像復原的方法有哪些

圖像復原的方法有哪些
圖像恢復是從退化圖像（通常是一個模糊和雜訊圖像）中恢復圖像的過程。圖像恢復是圖像處理中的一個基本問題，它也為更一般的反問題提供了一個實驗平台。在這里，我們必須要解決的關鍵問題是恢復圖像的質量評價、演算法計算的效率和點擴展函數(PSF)模型的參數估計。

目前，常見圖像復原的方法一可以分為確定性圖像復原方法和隨機圖像復原方法兩大類。確定性圖像復原方法主要有正則化圖像復原方法和基於偏微分方程的圖像復原方法。對於圖像復原中的正則化方法，早期主要使用截斷奇異值分解和Tikhonov正則化方法，截斷奇異值分解方法主要用來消除復原問題中的病態性，其並沒引入任何原始圖像的先驗信息，而Tikhonov正則化方法則是將原始圖像是「平滑的」這一先驗信。

10. 圖像處理的演算法有哪些

圖像處理基本演算法操作從處理對象的多少可以有如下劃分：
一）點運算：處理點單元信息的運算
二）群運算：處理群單元 （若干個相鄰點的集合）的運算
1.二值化操作
圖像二值化是圖像處理中十分常見且重要的操作，它是將灰度圖像轉換為二值圖像或灰度圖像的過程。二值化操作有很多種，例如一般二值化、翻轉二值化、截斷二值化、置零二值化、置零翻轉二值化。
2.直方圖處理
直方圖是圖像處理中另一重要處理過程，它反映圖像中不同像素值的統計信息。從這句話我們可以了解到直方圖信息僅反映灰度統計信息，與像素具體位置沒有關系。這一重要特性在許多識別類演算法中直方圖處理起到關鍵作用。
3.模板卷積運算
模板運算是圖像處理中使用頻率相當高的一種運算，很多操作可以歸結為模板運算，例如平滑處理，濾波處理以及邊緣特徵提取處理等。這里需要說明的是模板運算所使用的模板通常說來就是NXN的矩陣（N一般為奇數如3,5,7,...），如果這個矩陣是對稱矩陣那麼這個模板也稱為卷積模板，如果不對稱則是一般的運算模板。我們通常使用的模板一般都是卷積模板。如邊緣提取中的Sobel運算元模板。