逆滤波只能解决只有退化函数,没有加性噪声的问题。维纳滤波又称最小均方误差滤波,综合考虑了退化函数和噪声。均方误差由下式给出:
e2=|f(x)−f^(x)|2
假定噪声与图像是不相关的,复原图像的最佳估计可用下式表示:
F^(u,v)=[HH(u,v)|H(u,v)|2+Sn(u,v)/Sf(u,v)]G(u,v)
因为 |H(u,v)|2=H(u,v)HH(u,v),因而可以写为:
F^(u,v)=[|H(u,v)|2|H(u,v)|2+Sn(u,v)/Sf(u,v)⋅1H(u,v)]G(u,v)
式中各项的定义分别如下:
(1)H(u,v):退化函数(2)HH(u,v):共轭(3)|H(u,v)|2=HH(u,v)H(u,v)(4)Sn(u,v):噪声的功率谱(5)Sf(u,v):为退化函数的功率谱
观察公式可以发现,加入没有噪声,则 Sn(u,v)=0,此时维纳滤波退化为逆滤波。那么又该如何估计 Sn(u,v)/Sf(u,v) 呢。假设退化过程已知,则 H(u,v) 可以确定,假如噪声为高斯白噪声,则 Sn(u,v) 为常数,但 Sf(u,v) 通常难以估计。一种近似的解决方法即是用一个系数 K 来代替
F^(u,v)=[|H(u,v)|2|H(u,v)|2+K1H(u,v)]G(u,v)
如果觉得《使用 matlab 数字图像处理(十)—— 维纳滤波复原》对你有帮助,请点赞、收藏,并留下你的观点哦!