第五章：图像退化与复原的原理与噪声模型详解

第五章主要探讨了数字图像处理中的一个重要主题——图像复原。图像复原与图像增强虽然有交叉，但两者目的和方法不同。图像增强是主观的，旨在根据人类视觉需求增强图像特征，例如对比度拉伸，其目的是突出图像的某些特性。而图像复原则是客观的，通过利用退化图像的先验知识，如退化函数h和噪声信息，恢复原始图像，这是一种逆过程，即从退化图像中重建接近原貌的图像。 章节首先定义了图像退化/复原的基本模型，指出原始图像f(x,y)经过退化函数h作用及噪声叠加后形成退化图像g(x,y)。在这个过程中，如果退化函数h满足线性和位置不变性，可以用空间域的卷积表示，也可以通过傅里叶变换转换到频域表达。然而，在5.5节之前，通常假设h主要考虑的是噪声引起的图像退化，忽略了其他可能的影响因素。 噪声模型是图像复原的关键部分。数字图像噪声可能来源于图像获取和传输过程。在获取阶段，如CCD摄像机受光照水平和传感器温度影响会产生大量噪声；而在传输过程中，如无线网络传输，图像可能受到大气干扰导致污染。噪声在空间和频率特性上有所不同，例如椒盐噪声在频域表现为两个脉冲，而空间周期噪声则表现为特定的频率模式。 此外，本章还介绍了几种重要的噪声类型及其概率密度函数，包括高斯噪声，其具有连续的对称分布；瑞利噪声，也称白噪声，具有平坦的功率谱；伽马（爱尔兰）噪声，常用于模拟实际的光电检测过程；指数分布噪声，常用于描述信号强度衰减；以及均匀分布噪声，这种噪声在所有值域内均匀分布。理解这些噪声模型有助于选择合适的复原算法和技术来处理不同类型和程度的噪声。第五章深入探讨了图像复原技术的基础理论和实际应用，对于理解和解决图像质量退化问题具有重要意义。