图像的增强与复原算法毕业设计论文

毕业设计（论文）

题目：图像的增强与复原算法

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期：

指导教师签名：日期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：日期：

摘要

图像处理是一门迅速发展的学科，在大量领域有着极其广泛的应用。在景物成像的过程中可能出现的模糊、失真或噪声还有变形，会导致图像质量下降，从而降低了图形的科学性，也造成了经济损失。

数字图像处理是一个跨学科的前沿科技领域，在各个学科中得到广泛的应用，并显示了广阔的前景，成为计算机科学、信息科学、生物学、医学等学科的研究热点。而图像增强与复原作为数字图像的基本内容，有着更高的研究价值。

图像增强是指按一定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。基于空间域的图像增强是图像处理的一个重要分支，它能有效改善图像整体或局部特征。直方图是图像处理中最重要的基本概念之一，它用于显示图像的灰度值分布状况，并且能有效地用于图像增强。本文论述了图像灰度调整实现、直方图均衡化、直方图规定化图像增强技术，并给出了相关的基本原理。并在介绍图像频域增强原理的基础上，讨论了频域内通过对低通滤波器、高通滤波器的图像增强以及基于小波变换的图像增强，介绍了相关的理论，并给利用MATLAB工具进行实现。实验证明，在质量较差的图像中，选择不同的算法对图像的增强在准确性上均有不同。

数字图像复原(简称图像复原)是数字图像处理的一个基本的和重要的课题，它是后期图像处理(如图像分析，图像理解)的前提。图像复原主要目的在于消减或减轻在图像获取及传输过程中造成的图像品质下降即退化现象，恢复图像的本来面目。本文论述了采用近似的方法应用线性系统的理论解决图像复原的问题，并用MATLAB语言实现了维纳滤波、规则化滤波、Lucy-Richardson复原程序、盲去卷积复原，实验证明相同的图像采用不同的复原方法产生的效果不同，可以根据自己的实际需要来选择所要使用的复原方法。

关键词：图像处理、图像增强、图像复原、滤波、MATLAB

Abatract

Image processing is a rapid development of the discipline, in large area has extremely extensive application. In the process of imaging objects may appear blurred, distortion or noise and deformation, will cause image quality, reducing the scientificity of graphics, also caused economic losses.

The digital image processing is an interdisciplinary field of cutting-edge technology, in each subject widely applied, and shows the prospect of computer science, information science, biology, medical discipline research hotspot. And image enhancement and recovery as the basic contents of digital image, a higher value.

Image enhancement by certain means to highlight a picture of certain information, also weakened or remove some of the information, does not need to improve image quality, strengthen image interpretation and identify the effect of treatment technology. Based on spatial domain of image enhancement is an important branch of image processing, it can effectively improve the whole or partial feature. Image Histogram image processing is the most important basic concept, it is used to display images of the gray value distribution, and can be effectively used in image enhancement. This paper discusses the image histogram equalization adjusted, gray histogram image enhancement, technical regulations, and gives the basic principle of related. In frequency domain, and introduces image enhancement, the basic principle of frequency domain were discussed through the low-pass filter high-pass filter, the image based on wavelet transform and the image enhancement, introduced the related theory, and to use MATLAB tools. Experiments have proved that in the poor quality of the image, the choice of different algorithm for image enhancement in accuracy are different.

Digital image restoration (hereinafter referred to as the image restoration) is the digital image processing is a basic and important subject, it is late, image processing, image analysis (such as images of understanding). Image restoration aims to reduce or ease in image acquisition and transmission process of image quality down namely degeneration, restore the original image. This paper discusses the application of approximate linear system theory method to solve the problem, the image restoration with MATLAB language realized wiener filtering, rules of filtering, Lucy, Richardson - recovery procedure deconvolution, experiments prove the same image restoration using different methods, the effects of different according to their actual needs to

choose to use recovery method.

Keywords：Image Processing，Image Enhancement，Image Restoration，Filtering ，MATLAB

目录

摘要............................................................... I I Abatract........................................................... I V 目录.............................................................. V I 第1章绪论. (8)

1.1 课题的提出和意义 (8)

1.2 本文的组织结构 (8)

第2章开发背景介绍 (10)

2.1 MATLAB介绍 (10)

第3章图像增强与复原技术 (11)

3.1 图像增强技术 (11)

3.1.1传统的图像增强技术 (11)

3.1.2基于空间域的图像增强 (11)

3.1.3基于频率域的图像增强 (13)

3.1.4 基于小波变换的图像增强 (13)

3.1.5几种图像增强技术的比较分析 (14)

3.2 图像复原技术 (15)

3.2.1 算法产生的概述 (16)

3.2.2 维纳滤波 (16)

3.2.3 约束最小二乘（正则）滤波 (17)

3.2.4 Lucy-Richardson迭代非线性复原算法 (18)

3.2.4 盲解卷积算法 (18)

3.2.5总结 (19)

第4章图像增强的实现 (20)

4.1 空域增强的实现 (20)

4.1.1灰度调整的实现 (20)

4.1.2直方图的均衡化 (21)

4.1.3直方图规定化 (22)

4.2 频域增强的实现 (23)

4.2.1理想低通滤波 (24)

4.2.2理想高通滤波 (25)

4.3基于小波变换的图像增强 (26)

第5章图像复原的实现 (28)

5.1维纳滤波复原 (28)

5.2规则化滤波复原程序 (30)

5.3 Lucy-Richardson复原程序举例 (31)

5.4盲去卷积复原 (33)

第6章总结 (34)

参考文献 (35)

致谢 (1)

第1章绪论

1.1 课题的提出和意义

在实际生活中，人们很频繁的接触图像，人类所获取的外界信息大约有70%以上是通过视觉系统获得的。

在图像的形成，传输或变换的过程中，由于受多种因素的影响，如光学系统失真、系统噪声、曝光不足或过量、相对运动等，往往使图像与原始景物或原始图像之间产生某种差异，常将这种差异称之为降质或退化。降至或退化的图像通常模糊不清，认识观察起来不满意，或者使机器从中提取的信息减少甚至造成错误。因此，必须对降质的图像进行改善。改善的方法有两类：一类是从主观出发，不考虑图像降至的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像。如提取图像中目标物的轮廓、衰减各类噪声等，这一类图像改善方法称为图像增强。从图像质量评价观点来看，图像增强的主要目的是提高图像的可懂度。另一类改善方法是从客观出发，针对图像降质的具体原因，设法补偿降质因素，从而使改善后的图像尽可能的逼近原始图像。这类改善方法称为图像恢复或图像复原技术。显然，图像复原主要目的是提高图像的逼真度。

MATLAB矩阵实验室（Matrix Laboratory）的简称，具有方便的数据可视化功能，可用于科学计算和工程绘图。它不仅在一般数据可视化软件都具有的功能方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。它具有功能丰富的工具箱，不但能够进行信号处理、语音处理、数值运算，而且能够完成各种图像处理功能。本文利用MATLAB工具来研究

1.2 本文的组织结构

针对上述问题本文分为两个部分，第一部分主要论述了图像的增强，第二部分主要论述了图像的复原。

图像增强是为了获得更好质量的图像，通过各种方法对图像进行处理。图像增强的方法有频域处理法与空域处理法，本文上半部分主要论述了空域处理法、频域处理方法中的滤波技术以及小波增强。从灰度、直方图、低通滤波、高通滤波、同态滤波、小波几个方面比较了图像增强的效果。文章首先分析了它们的原

理，然后通过MATLAB软件分别用这几种方法对图像进行处理，处理后使图像的对比度得到了明显的改善，增强了图像的视觉效果。

图像复原是数字图像复原问题实际上是在一定的准则下，采用数学最优化方法从退化的图像去推测原图像的估计问题。不同的准则及不同的数学最优化方法就形成了各种各样的算法。本文的下半部分主要论述了逆滤波复原算法，维纳滤波复原算法，盲卷积滤波复原算法，Lucy-Richardson算法的图像复原方法。

第2章开发背景介绍

2.1 MATLAB介绍

MATLAB语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是今年来再国内外广泛流行的一种可视化科学计算软件。它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的，界面友好的用户环境，而且还具有可扩展性特征。MathWorks公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。同时，工具箱内的函数源程序也是开放性的，多为M文件，用户可以查看这些文件的代码并进行更改，MATLAB支持用户对其中的函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。MATLAB中的数字图像时以矩阵的形式表示的，这意味着MATLAB强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对MATLAB中的数字图像同样适用。

图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。可用其对有噪图像或退化图像进行去噪或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。工具箱中大部分函数均以开放式MATLAB 语言编写。

本文对MATLAB图像处理工具进行探索与应用，实验证明该软件工具箱具有丰富的技术支持，应用简单效果良好。

第3章图像增强与复原技术

3.1 图像增强技术

图像增强的目的是改善图像的视觉效果，并把图像处理成为适于计算机分析或控制的某种形式。为了适应各种用途，图像增强需要采取各种技术手段综合处理，而且针对不同用途，处理手段也大相径庭。为满足图像增强，图像往往要发生畸变。总之，图像增强是不顾图像畸变与否，只要满足看得舒服和找出特征两个目的就行。图像增强包括的内容广泛。如去掉图像的噪声，抽取图像中的一些目标的轮廓，图像的勾边处理，提取图像中的特征以及把黑白图像映射为彩色图像等技术。在图像处理系统中，图像增强技术作为预处理部分的基本技术，是系统中十分重要的一环。迄今为止，图像增强技术己经广泛用于军事、地质、海洋、森林、医学、遥感、微生物以及刑侦等方面。

3.1.1传统的图像增强技术

目前常用的增强技术从整体上来说可以分为两大类：基于空间域的增强方法、基于频率域的增强方法。前者直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理；后者则是首先将图像从空间域按照某种变换模型变换到频率域，然后在频率域空间对图像进行处理，再将其反变换到空间域。

3.1.2基于空间域的图像增强

在图像处理中，空域是指由像素组成的空间。空域增强方法指直接作用于像素的增强方法，可表示为：

g(x, y) =EH[ f (x, y)]

其中f (?)和g (?)分别为增强前后的图像，而EH 代表增强操作。如果EH 是定义在每个(x,y)上的，则EH 是点操作;如果EH 是定义在(x,y)的某个邻域上，则EH 常称之为模板操作。EH 既可以作用于一幅图像f (?)，也可以作用于一系列图像{f (.) f (?) ….f (?)}之上。基于空间域的图像增强中效果比较好的是直方图均衡化，它是统计意义上的增强方法，对于成像过程中曝光不足或者曝光过度造成的图像明显偏暗或偏亮等现象，有很好的效果。图像的灰度直方图是图像中各像素对应的灰度等级分布的近似概率密度函数。灰度直方图均衡化是经典的图像增强技术。

直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。这个方

法的基本思想是采用累积分布函数作为变换函数，把原始图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而达到增强图像整体对比度的效果。实际上，由于直方图是近似的概率密度函数，用离散灰度级作变换时很少能得到完全平坦的结果，而且，变换后往往会出现灰度级减少的现象，这种现象被称为“简并”现象。这是像素灰度有限的必然结果。由于上述原因，数字图像的直方图均衡只能是近似的。

图1 图像均衡化前、后图像显示效果比较

图2 图像均衡前后的的均衡图比

从图1 和图2 可以看出，原图(a)由于灰度的动态范围(c)太窄，导致对比度太小而使整幅图模糊不清。经过直方图均衡化处理后，灰度动态范围被拉大成(d)，处理后的pout 图像变得清晰了，图像中的许多细节被突出了。图像的直方图分布更均匀了，在每个灰度级上图像都有像素点。但是直方图均衡化存在着三个缺点：

(1) 变换后图像的灰度级减少，某些细节消失；

(2) 某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。

(3) 仅仅从直方图不能能完整描述一幅图像，一幅图像对应一个直方图，但是一个直方图不一定只对应一个图像，几幅图象只要灰度分布密度相同，那么它们的直方图也是相同的。

3.1.3基于频率域的图像增强

为了有效地和快速地对图像进行处理和分析，常常需要将原定义在图像空间的图像以某种形式转换到其他的空间，并利用在这些空间的特有性质方便地进行一定的加工，最后再转换回图像空间以得到所需的效果。最常用的变化空间是频域空间，频域空间的增强方法有两个关键:①将图像从图像空间转换到频域空间所需要的变化(设用T 表示)以及再将图像从频域空间转换回图像空间所需的变

换(设用T ?1表示)；②在频域空间对图像进行增强加工的操作(设仍用EH 表示)。此时与式(1)对应的增强可表示为：

g(x, y)=T ?1{EH[T[ f (x, y)]]}

常用的频域增强方法有：低通滤波、高通滤波、带通和带阻滤波以及同态滤波等等。同态滤波解决的是光照不均匀或光动态范围过引起不清晰的图像。高通滤波，是利用高通滤波器忽略图像中过渡比较平缓的部分，突出那些能代表细节、跳变等的高频部分，使得增强后的图像边缘细节部分分清晰。这种方法适宜于图像中物体的边缘提取。但由于通过的低频太少，故处理后的图像视觉效果不好。

图3为高通滤波后的图像

从图3(b)可见，图像很昏暗，很多细节都看不清了。这是因为图像的大部分能量集中在低频部分，而高通滤波使图中各区域的边界得到较明显的增强的同时滤掉了低频分量，使图中原来比较平滑区域内部的灰度动态范围被压缩，因而整幅图变得比较昏暗。

3.1.4 基于小波变换的图像增强

某些传统图像增强方法往往带来比较严重的负效应。为此，人们一直在寻找

更好的图像增强方法。小波分析因其分析信号的“数学显微镜’、多分辨分析能力，与图像增强的结合成为一种必然。国内外已有相关学者作了初步研究，并且显示了它的优势。基于小波分析的图像增强，就是突出图像的边缘细节，尽可能的消除负面因素，从而达到增强图像的目的。基于小波分析的图像增强是采用小波变换，对低频成分进行特殊处理，以增强图像中的目标信息。本论文所做的基于小波变换域的图像增强实验涉及到二维小波分解、分解系数增强及二维小波重构[2]三个部分的问题。

图4为基于小波变换的图像增强基本框图

3.1.5几种图像增强技术的比较分析

传统的图像增强方法在增强图像的同时，往往会带来了一些比较严重的负效应。比如，高频滤波会引起原图像中噪声放大，在某种程度上是图像的清晰度降低，与增强的日的背道而驰；平滑滤波能去掉一些颗粒状噪声，但同时模糊了图像中原有的边缘及细节。另外，有些增强方法由于本身的缺陷，应用范围很窄。比如，带阻滤波只适用于噪声在某个频段内的图像；对比度增强对于受噪声影响明显的图像，效果不明显，即不能有效地抑制噪声，而且，仅仅利用了图像中的局部信息；

基于空域的增强中的经典方法是直方图均衡化，主要适用于受噪声影响不明显的图像，可以较好地改善图像的视觉效果，但不能起到噪声抑制或去除的效果，而且当灰度直方图有多个波峰时，它将使图像增强过度，使得输出图像有较严重的噪声出现。

小波分析利用图像局部信息，克服了对每个像素采用同样处理带来的缺点，最终得到了良好的增强图像。又由于它能多尺度多角度提取信号特征，并在不同尺度上让噪声和信号明显地区分开来，所以它在图像去噪和增强方面有很大优势。

从两者比较来看，基于小波变换的图像增强的优点可以归纳为以下两点：第一，不难发现，小波分解后，多级尺度多个高频通道可得到增强。通过小波分解，得到低频分量和多个尺度上的高频分量HH、HL、LH。人们可以根据个人兴趣随意增强某个尺度上的高频部分，也可以随意衰减某个尺度上的高频。

第二，由于通过提取小波分解后的低频信息实现了低通滤波功能，在去噪方面有独特的优势，因而将去噪方法融合进来，达到增强和去噪相结合的目的。

从上表中可以看出，基于小波的图像增强对应的对比度改善系数最大，说明该方法对图像增强效果最显著。基于小波的图像增强的均值比原始图像的均值增大，对比度改善指数大于l，说明处理前后图像的亮度和对比度有了明显的改善，细节信息有了明显的增强。

本文将传统的图像增强方法与小波变换增强方法进行比较，虽然空域和频域增强技术实现方法简单，也使图像增强取得了一定的效果，但是仍然存在很多不足之处，而用小波变换的方法增强图像，能有效的利用图像局部信息，改变小波变换域中某些系数大小，这样就能够选择放大所感兴趣的分量而减小不需要的分量，实验也表明：小波变换的图像增强方法能到达更好的效果。

3.2 图像复原技术

在实际的日常生活中，人们要接触很多图像，画面。而在景物成像这个过程里可能会出现模糊、失真或混入噪声，最终导致图像质量下降，这种现象称为图像“退化”。因此我们可以采取一些技术手段来尽量减少甚至消除图像质量的下降，还原图像的本来面目，这就是图像复原。

引起图像模糊有多种多样的原因，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等。

图像复原的算法：数字图像复原问题实际上是在一定的准则下，采用数学最优化方法从退化的图像去推测原图像的估计问题。不同的准则及不同的数学最优化方法就形成了各种各样的算法。常见的复原方法有，逆滤波复原算法，维纳滤波复原算法，盲卷积滤波复原算法，约束最小二乘滤波复原算法等等。

图像复原是图像处理中的重要技术。图像复原的可以在某种意义上对图像进

行改进，既可以改善图像的视觉效果，又能够便于后续处理。图像复原在电子监视、医疗摄像等领域具有重要的用途。

3.2.1 算法产生的概述

数字图像复原问题实际上是在一定的准则下，通过数学最优化方法从退化图像去估计原图像(指质量未下降时的图像)的图像估计问题。不同的准则或不同的数学最优化方法就形成了各种不同的算法。

开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式(即空域形式、频域形式、矩阵-矢量形式或变换域形式)的相互转换，最后得到图像复原算式。

退化数学模型的空域、频域、矢量-矩阵表达形式分别是：

g(X，y)=d(X，y) f(X，y)+n(X，y) (1)

G(U，v)=D(u，v)·F(U，v)+N(U，v) (2)

g=Hf+n (3)

其中：g(x，y)、d(x，y)、f(x，y)、n(x，y)分别为观测的退化图像、模糊函数(或称为点扩展函数)、原图像、加性噪声，为卷积运算符，(x：0，1，2，?，M-1)，(y-O，1，2，?，N．1)。

式(2)是式(1)的频域表达形式，式(3)是式(1)的矩阵-矢量表达形式。

同样，算法的优化准则函数式和图像复原算式原则上也可以有空域、频域、矢量-矩阵三种表达形式。表达形式的选择视需要而定。

3.2.2 维纳滤波

维纳滤波复原是以最小均方误差为准则的线性滤波。即以MSE=E[(f(x，

y)-f(x，y) ]最小为准则，推导出的恢复滤波器的传输函数为：

上式表明，维纳滤波最优实施的条件是：要求已知模糊的系统函数，噪声功率谱密(或其自相关函数)，原图像功率谱密度(或其自相关函数)。但实际上，原图像功率谱密度(或其自相关函数)一般难以获知，再加上维纳滤波是将图像假设为平稳随机场的前提下的最佳滤波，而实际的图像通常不能满足此前提。因此维纳滤波复原算法在实际中只能获得次最佳实施，它更多的是具有理论价值，被用

作度量其他算法性能优劣的标杆。

Matlab的T中的函数fr=deconvwnr(g，PSF，NACORR，FACORR)是维纳滤波的实现，其中，fi，g，PSF，NACORR，FACORR分别为复原图像，观测的退化图像、点扩展函数、噪声自相关函数、原图像自相关函数。

3.2.3 约束最小二乘（正则）滤波

约束最小二乘复原是寻找最优估计，使l l2为最小，且服从一= 。

因此准则函数可以写成：

(5)

其中：Q为f的线性算子，为拉格朗日乘子(Lagrange multiplier)。

推导出复原式为：(6)

对应的频域表示为：

(7) Q对应一高通卷积滤波算子，如Laplacian算予，则

它对应的卷积核为：

这就构成了所谓平滑约束最小二乘复原滤波算法。

显然约束最小二乘复原算法无须获知原图像的统计值，便可以有效地实施最优估计，这点与维纳滤波明显不同。

Matlab的T中的函数[丘，LAGRA]=deconvreg(g，PSF，NOISEPOWER，RANGE，REGOP)是约束最小二乘滤波复原算法的实现。其中，NOISEPOWER与成正比，

它的较好初始估计值为；RANGE为值的范围，默认范围是

；REGOP为线性约束算子，默认时为二维Laplacian算子；

LAGRA为拉格朗日乘子返回值。

显然约束最小二乘滤波恢复图像的质量不如最优维纳滤波的复原图像，因为前者没有利用原图像的统计信息。

3.2.4 Lucy-Richardson迭代非线性复原算法

前面的维纳滤波、约束最小二乘复原属于线性复原算法。Lucy-Richardson

算法则属于迭代非线性复原算法，其最优估计准则为最大似然准则，即要使概率密度函数P( f)最大，推导出的迭代式为：

一般来说，在抑制噪声放大与保留图像边缘信息方面，非线性类算法较线性类算法有优势，但非线性类的算法的计算复杂度较高，并且还存在局部收敛问题和算法稳定性问题需要解决。

Matlab的IPT中的函数fr=-deconvlucy(g，PSF，NUMIT，DAMPAR，WEIGHT)是此算法的实现。其中：NUMIT为迭代次数，默认值为1O次；DAMFAR是一标量(默认值为O)，它指定了结果图像与原g图像的偏离阈值，当像素值偏离原值的范围在DAMFAR以内时，就不用再迭代了。这既抑制了像素上的噪声，又保存了必要的图像细节。WEIGHT是一个与g同样大小的数组，它为每一个像素分配一个权重来反映其重量，默认值为一个单位数组。

Lucy-Richardson算法复原的实验效果与约束最小二乘复原的实验效果相当。

3.2.4 盲解卷积算法

前面的算法的实施前提基础是确知PSF(点扩展函数)，实际上，有许多退化图像的PSF难以获得，那些不以确知PSF为基础的图像复原算法统称为盲解卷积算法。过去的二十年中，以最大似然估计(MLE)为基础，运用迭代处理方式的最优化策略的盲解卷积方法受到了极大的重视。

Matlab的IPT中的函数[fr，PSFe]=deconvblind(g，INTPSF，NUMIT，DAMPAR，WEIGHT)用于实现盲解卷积。其中：fr和PSFe分别是重建的图像和PSF的估值；INTPSF为PSF的初始值，PSFe(点扩展函数的估计)受其初始推测尺寸的影响巨大，而很少受其值的影响(一个元素值均为1的数组是合理的初始推测)。函数中其它参数的含义同前。

盲解卷积算法复原的实验效果由于缺乏信息，恢复的图像质量就逊色一些。

3.2.5总结

总而言之，图像复原的算法很多，无论何种算法，原则上，它们都要依据获取的相关信息(包括关于退化系统、原图像、噪声等的确定性信息和统计性信息)才能有效地实施。算法利用的信息越多，信息的准确性越高，则复原图像的质量就越高。盲图像复原技术在近二十年获得极大的重视，也是目前图像复原研究的重要课题。

本文通过Matlab的图像处理工具箱中图像恢复函数，比较性地讨论了图像恢复中的算法问题，期望能对数字图像处理的图像恢复算法获得一定的认识。

第4章图像增强的实现

4.1 空域增强的实现

空域图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效，从而达到改善图像质量的目的。空域处理法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。所用的映射变换取决于增强的目的，例如增加图像的对比度，改善图像的灰度层次等处理均属于空域处理法。直方图是图像处理中比较重要的一个概念，它用于显示图像的灰度值分布情况。

空域图像增强是图像处理的一个重要分支，它能有效改善图像整体或局部特征。直方图是图像处理中最重要的基本概念之一，它用于显示图像的灰度值分布状况，并且能有效地用于图像增强。本文主要讨论了图像灰度调整实现、直方图均衡化、直方图规定化图像增强技术，并给出了相关的基本原理。同时MATLAB 语言加以实现。

4.1.1灰度调整的实现

设变量r代表图像中像素灰度级。把像素灰度级归一化处理，那么0≤r≤1，其中r=0表示黑，r=1表示白。对于一幅给定的图像来说，每个像素取值在[0，1]的灰度级是随机的。用概率密度函数Pr(r)来表示图像灰度级的分布[3]。当大部分像素集中在低灰度级区域，图像呈现暗的特性，而当大部分像素集中在高灰度级区域，图像呈现亮的特性。调用MATLAB工具箱中的imadjust函数来实现对比度增强。

实现程序、仿真如下。

I=imread('pout.tif');%导入图像

J=imadjust(I,[70/255 165/255],[0 1]);%在指定区域内调整灰度

subplot(2,2,1);imshow(I);title('原图象');%绘制原图象

subplot(2,2,2);imshow(J);title('变换后图象');%绘制灰度变换后图像

subplot(2,2,3);imhist(I);title('原图象直方图');%绘制原图象的直方图

subplot(2,2,4);imhist(J);title('变换后图像直方图');

%绘制灰度变换后图像的直方图