Download presentation
Presentation is loading. Please wait.
Published byΣωστράτη Διδασκάλου Modified 5년 전
1
Image Restoration Using MATLAB Image ToolBox Visual Communication Lab
Han Jae Hyeck 영상통신연구실 한재혁
2
Digital Image restoration system
- Image Degradation sensor noise,blur due to camera misfocus,relative object-camera motion, random atmospheric turbulence, etc. - Image Restoration filtering the image to minimize the effect of degradation Imaging system A to D conversion Digital filter D to A Display or record Digital Image restoration system - MATLAB Image Toolbox Noise Removal. linear filtering - filter2 median filtering - medfilt2 adaptive filtering - wiener2 영상통신연구실 한재혁
3
- MEDFILT2 B = MEDFILT2(A,[M N])
입력영상 A의 각 pixel에서 M by N Matrix를 취한 후에 그중 중간값을 선택하여 pixel 값을 결정. 영상의 border에서는 모자란 부분을 0 (black)으로 대치. [M N]이 주어지지 않으면 기본 값으로 3 by 3 matrix 가 선택. Example ) I = imread ( ’ eight.tif ’ ) ; // 이미지를 읽어 들인다. J = imnoise ( I, ’ salt & pepper ', 0.02 ) ; // 이미지에 노이즈를 추가 K = medfilt2 ( J ); // 이미지를 median 방식으로 filtering imshow ( J ), figure, imshow ( K ) 영상통신연구실 한재혁
4
f = s + b s = signal, b = additive noise
- Wiener Filter Observed image f defined as below f = s + b s = signal, b = additive noise if the wiener filter presented with the sum f=s+b the signal and the noise as input, the output is optimality criterion for choosing h is a minimum signal distance in the mean of correlation the wiener filter 영상통신연구실 한재혁
5
- WIENER2 Algorithm - 지역의 평균과 표준편차
여기서 은 image의 각 pixel의 M by N 이웃 구역 - pixel-wise Wiener filter 2 여기서 V 는 noise 의 variance J = WIENER2( I, [ M N ], NOISE ) 이미지 I를 pixel-wise adaptive Wiener filtering. 이웃 픽셀은 M-by-N 으로 결정되고 평균과 표준 편차를 결정. [M N]의 기본값은 3. 첨가된 noise는 mean power가 NOISE 인 white Gaussian noise 로 가정. [ J , NOISE ] = WIENER2( I, [ M N ]) filtering 전에 noise power를 측정하여 가정. 영상통신연구실 한재혁
6
Example ) I = imread('saturn.tif'); J = imnoise(I,'gaussian',0,0.005); K = wiener2(J,[5 5]); imshow(J), figure, imshow(K) 영상통신연구실 한재혁
Similar presentations