이미지 복원의 기본 작업은 이미지의 세부 정보를 잃지 않으면서 이미지 노이즈를 제거하는 것입니다. 영상 복원에는 영상 저하와 메커니즘, 프로세스에 대한 사전 지식이 필요하며, 영상 복원에는 역과정이 사용됩니다.
2. 이미지 노이즈 모델
이미지 노이즈는 노이즈와 신호의 관계에 따라 가산 노이즈와 곱셈 노이즈로 나눌 수 있습니다. 예를 들어, F(X,Y)+N(X,Y)는 가산 잡음이고 F(X,Y)*(N(X,Y)+1)은 곱셈 잡음입니다. 소음은 예측할 수 없으며 확률적, 통계적 방법을 통해서만 예측할 수 있습니다.
1. 가우스 노이즈
2. 솔트 앤 페퍼 노이즈
물론 균일 분포, 지수 분포, 감마 분포 및 기타 노이즈도 있습니다.
3. 공간 영역의 필터 복원
3.1 평균 필터링
여기에는 산술 평균과 기하 평균이 포함됩니다.
3.2 순차 통계 필터링은
주로 중앙값 필터링으로, 소금과 후추 노이즈를 제거하는 데 매우 적합합니다.
4. 영상 복원 방법
1. 역필터 복원
g(x,y)=h(x,y)*f(x,y)+n(x,y) 여기서 곱셈 기호는 영상 저하 모델인 컨볼루션(Convolution)을 나타냅니다. . 노이즈를 제거하기 위한 이전 단계는 n(x,y)를 제거하는 것이었습니다. 이제 역 필터링은 퇴화된 함수 f(x,y)를 제거하는 것입니다. 공간 영역에서 f(x,y)를 제거하는 것은 디콘볼루션 연산이 필요하기 때문에 불편합니다. 주파수 영역에서는 훨씬 간단합니다. **공간 영역의 컨볼루션은 실제로 주파수 영역의 곱입니다. **그러면 주파수 영역에서 축퇴함수를 제거하는 것이 나눗셈을 수행하는 것입니다.
이 공식에서 열화 함수 H(U,V)가 작으면 두 번째 항에 큰 오류가 발생하며 이는 매우 중요한 제한 사항입니다.
2. 위너 필터
위너 필터는 복원 효과가 좋고 계산 작업량이 적으며 소음 방지 성능이 뛰어나 널리 사용됩니다. deconvwnr() 함수는 Wiener 필터 함수로,
Wiener 필터는 모션 블러 영상을 복원하는데 매우 효과적입니다.
3. Constrained Least Square Filtering
이 방법은 노이즈의 에너지를 계산하여 영상을 최대한 매끄럽게 만들고 심한 노이즈를 제거할 수 있습니다.