Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

deconvwnr

Imagen Deblur usando el filtro Wiener

Descripción

ejemplo

J = deconvwnr(I,psf,nsr) desconvolves la imagen usando el algoritmo de filtro Wiener, devolviendo la imagen desborrosa. es la función de propagación de puntos (PSF) con la que se ha transferido. es la relación de potencia de ruido a señal del ruido aditivo.IJpsfInsr El algoritmo es óptimo en un sentido de menor error cuadrado medio entre las imágenes estimadas y verdaderas.

J = deconvwnr(I,psf,ncorr,icorr) deconvolves imagen, donde es la función de autocorrelación del ruido y es la función de autocorrelación de la imagen original.Incorricorr

Ejemplos

contraer todo

Leer la imagen en el espacio de trabajo y mostrarla.

I = im2double(imread('cameraman.tif')); imshow(I); title('Original Image (courtesy of MIT)');

Simular un desenfoque de movimiento.

LEN = 21; THETA = 11; PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); figure, imshow(blurred)

Simular ruido aditivo.

noise_mean = 0; noise_var = 0.0001; blurred_noisy = imnoise(blurred, 'gaussian', ...                         noise_mean, noise_var); figure, imshow(blurred_noisy) title('Simulate Blur and Noise')

Pruebe la restauración suponiendo que no hay ruido.

estimated_nsr = 0; wnr2 = deconvwnr(blurred_noisy, PSF, estimated_nsr); figure, imshow(wnr2) title('Restoration of Blurred, Noisy Image Using NSR = 0')

Pruebe la restauración utilizando una mejor estimación de la relación ruido-señal-potencia.

estimated_nsr = noise_var / var(I(:)); wnr3 = deconvwnr(blurred_noisy, PSF, estimated_nsr); figure, imshow(wnr3) title('Restoration of Blurred, Noisy Image Using Estimated NSR');

Argumentos de entrada

contraer todo

Imagen borrosa, especificada como una matriz numérica de cualquier dimensión.

Tipos de datos: single | double | int16 | uint8 | uint16

PSF, especificado como una matriz numérica.

Tipos de datos: double

Relación ruido-señal, especificada como un array escalar o numérico positivo del mismo tamaño que la imagen,.I Si es una matriz, entonces representa el dominio espectral.nsr Especificar para el equivale a crear un filtro inverso ideal.0nsr

Tipos de datos: double

Función de autocorrelación del ruido, especificada como una matriz numérica de cualquier tamaño o dimensión, sin exceder la imagen original.

  • Si la dimensionalidad de coincide con la dimensionalidad de la imagen, los valores corresponden a la autocorrelación dentro de cada dimensión.ncorrI

  • Si es un vector y también es un vector, los valores en representan la función de autocorrelación en la primera dimensión.ncorrpsfncorr

  • Si es un vector y es una matriz, la función de autocorrelación 1-D es extrapolada por simetría a todas las dimensiones no singleton de.ncorrpsfpsf

  • Si es un escalar, el valor representa la potencia del ruido de la imagen.ncorr

Tipos de datos: double

Función de autocorrelación de la imagen, especificada como una matriz numérica de cualquier tamaño o dimensión, no superando la imagen original.

  • Si la dimensionalidad de coincide con la dimensionalidad de la imagen, los valores corresponden a la autocorrelación dentro de cada dimensión.icorrI

  • Si es un vector y también es un vector, los valores en representan la función de autocorrelación en la primera dimensión.icorrpsficorr

  • Si es un vector y es una matriz, la función de autocorrelación 1-D es extrapolada por simetría a todas las dimensiones no singleton de.icorrpsfpsf

  • Si es un escalar, el valor representa la potencia del ruido de la imagen.icorr

Tipos de datos: double

Argumentos de salida

contraer todo

Imagen desborrosa, devuelta como una matriz numérica. tiene el mismo tipo de datos que.JI

Sugerencias

  • La imagen de salida podría exhibir el timbre introducido por la transformada discreta de Fourier utilizada en el algoritmo.J Para reducir el timbre, use antes de llamar.I = edgetaper(I,psf)deconvwnr

Referencias

[1] "Digital Image Processing", R. C. Gonzalez & R. E. Woods, Addison-Wesley Publishing Company, Inc., 1992.

Introducido antes de R2006a