主要内容

deconvlucy

使用Lucy-Richardson方法解模糊图像

描述

例子

J= deconvlucy (,psf)恢复图像退化的卷积与点扩散函数(PSF),psf,并可能由加性噪声。该算法是基于最大化的可能性产生的形象J原始图像的一个实例吗在泊松统计数据。

为了提高恢复,deconvlucy金宝app支持多种可选的参数,下面描述。使用[]作为一个占位符如果不指定一个中间参数。

例子

J= deconvlucy (,psf,iter)指定的迭代的数量,iter

J= deconvlucy (,psf,iter,dampar)控制噪声放大通过抑制迭代像素偏离少量噪声相比,阻尼指定的阈值dampar。默认情况下,不会发生衰减。

J= deconvlucy (,psf,iter,dampar,重量)指定输入图像的像素被认为是在恢复。一个元素的值重量数组决定了输入图像的像素在相应的位置。例如,从考虑,排除一个像素分配它的值0重量数组中。你可以调整权重值分配给每个像素根据平面场校正的数量。

J= deconvlucy (,psf,iter,dampar,重量,读出)指定添加剂噪声(如前景或背景噪声)和方差的读出相机噪声,读出

J= deconvlucy (,psf,iter,dampar,重量,读出,子样品)使用二次抽样时PSF的网格上子样品倍更好的图像。

例子

全部折叠

读取和显示原始图像没有模糊或噪音。本例中选择作物图像的大小为256 -,- 256左上的(x, y)坐标(50)。

我= imread (“board.tif”);我= imcrop(我[2 50 255 255]);imshow (I)标题(原始图像的)

图包含一个坐标轴对象。标题为原始图像的坐标轴对象包含一个类型的对象的形象。

创建一个代表一个高斯模糊的PSF 5-by-5标准差5和过滤器的大小。

PSF = fspecial (“高斯”5、5);

模拟模糊图像中。

模糊= imfilter (PSF,我“对称”,“conv”);

添加模拟零均值高斯噪声。

V = 0.002;blurred_noisy = imnoise(模糊,“高斯”0 V);imshow (blurred_noisy)标题(模糊和噪声图像)

图包含一个坐标轴对象。坐标轴对象标题模糊和噪声图像包含一个类型的对象的形象。

使用deconvlucy恢复和嘈杂的图像模糊。指定PSF用来创建模糊和迭代的数量减少到5。

luc1 = deconvlucy (blurred_noisy PSF 5);imshow (luc1)标题(恢复图像的)

图包含一个坐标轴对象。标题恢复图像的坐标轴对象包含一个类型的对象的形象。

创建一个示例图像和模糊。

我=棋盘(8);PSF = fspecial (“高斯”7、10);V =。;BlurredNoisy = imnoise (imfilter (PSF),“高斯”0 V);

创建一个权重数组和电话deconvlucy使用几个可选参数。

WT = 0(大小(I));WT (5: end-4, 5: end-4) = 1;j - 1 = deconvlucy (BlurredNoisy PSF);J2 = deconvlucy BlurredNoisy PSF, 20日√(V));J3 = deconvlucy (BlurredNoisy PSF 20, sqrt (V)、WT);

显示结果。

次要情节(221);imshow (BlurredNoisy);标题(“=模糊和噪声”);次要情节(222);imshow (j - 1);标题(“deconvlucy (PSF)”);次要情节(223);imshow (J2);标题(“deconvlucy (PSF,镍、DP) ');:次要情节(224);imshow (J3);标题(“deconvlucy (PSF,倪,DP, WT)”);

图包含4轴对象。坐标轴对象1与标题=模糊和噪声包含一个类型的对象的形象。坐标轴对象2标题deconvlucy (PSF),包含一个类型的对象的形象。坐标轴对象3标题deconvlucy (PSF,镍、DP)包含一个类型的对象的形象。与标题deconvlucy坐标轴对象4 (PSF,镍、DP、WT)包含一个类型的对象的形象。

输入参数

全部折叠

模糊的形象,指定为一个数值数组的维度。您还可以指定作为一个单元阵列的形象,使中断迭代。有关更多信息,请参见提示

数据类型:||int16|uint8|uint16

PSF,指定为一个数字数组。

数据类型:||int16|uint8|uint16

的迭代次数,指定为一个正整数。

数据类型:

阈值衰减,指定为数字标量。阻尼发生的像素迭代小于阈值之间的偏差。dampar有相同的数据类型

体重每个像素值,指定为一个数值数组值的区间[0,1]。重量有相同的大小作为输入图像,。默认情况下,所有的元素重量有价值1,因此所有像素被认为是同样的恢复。

数据类型:

噪音,指定为一个数字标量或数字数组。的价值读出对应于加性噪声(如从前景和背景噪声)和读出相机噪声的方差。读出有相同的数据类型

二次抽样,指定为一个积极的标量。

数据类型:

输出参数

全部折叠

解模糊图像,作为数字数组或返回1-by-4细胞数组。J(或J {1}J是一个单元阵列)数据类型一样吗。关于返回的更多信息J作为中断单元阵列迭代,明白了提示

提示

  • 您可以使用deconvlucy进行反褶积,开始之前的反褶积停了下来。要使用该功能,通过输入图像作为一个单元阵列,{我}。当你做什么,deconvlucy函数返回的输出图像J作为一个单元阵列,然后你可以通过数组作为输入到下一个deconvlucy调用。输出单元阵列J包含四个要素:

    J {1}包含原始图像。

    J {2}包含最后一次迭代的结果。

    J {3}包含倒数第二迭代的结果。

    J {4}是一个数组生成的迭代算法。

  • 输出图像J可能引入的展览响离散傅里叶变换中使用的算法。为了减少振铃,使用I = edgetaper (psf)在调用之前deconvlucy

  • deconvlucy转换的PSF没有标准化。

  • deconvlucy可以在输出图像,返回值范围之外的输入图像。

引用

[1]D.S.C.比格斯和m·安德鲁斯加速迭代图像重建算法应用光学,36卷,8号,1997年。

[2]R.J. Hanisch R.L.白色,R.L. Gilliland,反褶积的哈勃太空望远镜的图像和光谱反褶积的图像和光谱,艾德。P.A.简颂,第二版,学术出版社,1997。

扩展功能

版本历史

之前介绍过的R2006a

全部展开