我看這個論壇一段時間了，也知道很多人都糾結這個維納濾波，我現在也是有演算法，但奈何C++程式不知道如何撰寫，只有一點C語言的基礎，很希望前輩們教教我，指導一下，因為比較急用，做不出來就會拖隊友后腿，我自知能力不行，請先讓我度過這關，以后好好學，小妹跪求幫忙
uj5u.com熱心網友回復：
把演算法貼出來uj5u.com熱心網友回復：
影像退化：影像在形成、記錄、處理和傳輸程序中，由于成像系統、記錄設備、傳輸介質和處理方法的不完善，導致影像質量的下降，這種現象叫做影像退化。
影像復原：
就是對退化的影像進行處理，盡可能恢復出原始影像的真實面貌。
影像復原方法思路：
關鍵是要由退化后的影像估計出退化函式和噪聲函式，然后可以得到恢復算子。恢復計算，可以在空域上進行恢復，也可以在頻域上進行恢復。
幾種噪聲模型：
高斯噪聲 Rayleigh噪聲 指數噪聲 均勻噪聲 salt-and -pepper噪聲。
估計噪聲常用方法是：
從影像相對平坦區域中估計噪聲概率密度函式的形式和引數。具體是，先剪切平坦區域，計算平區域的直方圖，計算平坦區域的均值和方差，然后推匯出概率密度函式的引數。
點擴展函式：
主要是學習了線性運動模糊的點擴展函式。
如果理想影像是一個點?sigma(x,y)=1，且影像采集影像存不理想，則系統得到的實際影像不是一個點，而是一群被擴展(spread-out)了的點h(x,y)。
幾種恢復方法：
主要是學習了頻域影像恢復方面的的逆濾波影像復原和維納濾波復原。逆濾波復原方法是忽略了噪聲，當退化函式取較小值時，噪聲被嚴重放大，效果不好；維納濾波綜合了退化函式和噪聲統計特性兩個方面進行復原處理，尋找一個濾波器，使得復原后的影像和原始影像的均方誤差最小，因此維納濾波又稱為最小均方誤差濾波器。
維納濾波影像復原演算法實作：
基于維納濾波的離焦模糊影像復原的關鍵是確定退化模型h(x,y)和影像的信噪比γ。復原具體實作步驟如下：
利用二維FFT計算離焦模糊影像的離散傅里葉變換G(u,v)，求對應的幅度譜|G(u,v)|。
U從0至M-1，u從0至u做二重回圈尋找|G(u,v)|第一個暗環對應的零點，求出所有零點所對應的模糊半徑r,零點模糊半徑的數學期望值即為模糊半徑r_0
分別利用拉式算子g(x,y)進行微分和二維快速傅里葉變換計算微分影像的自相關，將自相關的分布有指教坐標轉化為極坐標；根據估計的r，計算S_p并確定S_(P=2γ)，從而得到h(x,y)的引數r_0
取區域大小為P=Q=2,,計算影像方差，確定最小和最大方差，計算信噪比倒數r_0
利用（6）式作為濾波器進行一次維納濾波
根據第一次濾波結果估計P_f(u,v)和估計方差
利用(7)式進行二次維納濾波
影像退化：
影像在形成、記錄、處理和傳輸程序中，由于成像系統、記錄設備、傳輸介質和處理方法的不完善，導致影像質量的下降，這種現象叫做影像退化。
影像復原：
就是對退化的影像進行處理，盡可能恢復出原始影像的真實面貌。
影像復原方法思路：
關鍵是要由退化后的影像估計出退化函式和噪聲函式，然后可以得到恢復算子。恢復計算，可以在空域上進行恢復，也可以在頻域上進行恢復。
幾種噪聲模型：
高斯噪聲 Rayleigh噪聲 指數噪聲 均勻噪聲 salt-and -pepper噪聲。
估計噪聲常用方法是：
從影像相對平坦區域中估計噪聲概率密度函式的形式和引數。具體是，先剪切平坦區域，計算平區域的直方圖，計算平坦區域的均值和方差，然后推匯出概率密度函式的引數。
點擴展函式：
主要是學習了線性運動模糊的點擴展函式。
如果理想影像是一個點?sigma(x,y)=1，且影像采集影像存不理想，則系統得到的實際影像不是一個點，而是一群被擴展(spread-out)了的點h(x,y)。
幾種恢復方法：
主要是學習了頻域影像恢復方面的的逆濾波影像復原和維納濾波復原。逆濾波復原方法是忽略了噪聲，當退化函式取較小值時，噪聲被嚴重放大，效果不好；維納濾波綜合了退化函式和噪聲統計特性兩個方面進行復原處理，尋找一個濾波器，使得復原后的影像和原始影像的均方誤差最小，因此維納濾波又稱為最小均方誤差濾波器。
維納濾波影像復原演算法實作：
基于維納濾波的離焦模糊影像復原的關鍵是確定退化模型h(x,y)和影像的信噪比γ。復原具體實作步驟如下：
利用二維FFT計算離焦模糊影像的離散傅里葉變換G(u,v)，求對應的幅度譜|G(u,v)|。
U從0至M-1，u從0至u做二重回圈尋找|G(u,v)|第一個暗環對應的零點，求出所有零點所對應的模糊半徑r,零點模糊半徑的數學期望值即為模糊半徑r_0
分別利用拉式算子g(x,y)進行微分和二維快速傅里葉變換計算微分影像的自相關，將自相關的分布有指教坐標轉化為極坐標；根據估計的r，計算S_p并確定S_(P=2γ)，從而得到h(x,y)的引數r_0
取區域大小為P=Q=2,,計算影像方差，確定最小和最大方差，計算信噪比倒數r_0
利用（6）式作為濾波器進行一次維納濾波
根據第一次濾波結果估計P_f(u,v)和估計方差
利用(7)式進行二次維納濾波
uj5u.com熱心網友回復：
維納濾波影像復原演算法實作：基于維納濾波的離焦模糊影像復原的關鍵是確定退化模型h(x,y)和影像的信噪比γ。復原具體實作步驟如下：
利用二維FFT計算離焦模糊影像的離散傅里葉變換G(u,v)，求對應的幅度譜|G(u,v)|。
U從0至M-1，u從0至u做二重回圈尋找|G(u,v)|第一個暗環對應的零點，求出所有零點所對應的模糊半徑r,零點模糊半徑的數學期望值即為模糊半徑r_0
分別利用拉式算子g(x,y)進行微分和二維快速傅里葉變換計算微分影像的自相關，將自相關的分布有指教坐標轉化為極坐標；根據估計的r，計算S_p并確定S_(P=2γ)，從而得到h(x,y)的引數r_0
取區域大小為P=Q=2,,計算影像方差，確定最小和最大方差，計算信噪比倒數r_0
利用（6）式作為濾波器進行一次維納濾波
根據第一次濾波結果估計P_f(u,v)和估計方差
利用(7)式進行二次維納濾波
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/74409.html
標籤：基礎類