【摘要】：约束最小二乘方滤波复原法又叫正则滤波法。在图像的退化过程中，由于随机噪声的干扰使图像的复原具有不准确性，约束最小二乘方图像复原方法以某种最优条件为标准有效地解决了这一问题。通常约束最小二乘方图像复原是以平滑测度为准则进行图像复原的。MATLAB图像处理工具箱中提供了实现约束最小二乘方滤波函数deconvreg()。
3.3.2 约束最小二乘方滤波复原
约束最小二乘方滤波复原法又叫正则滤波法。在图像的退化过程中，由于随机噪声的干扰使图像的复原具有不准确性，约束最小二乘方图像复原方法以某种最优条件为标准有效地解决了这一问题。通常，约束最小二乘方图像复原方法以二阶微分为约束条件。
通常约束最小二乘方图像复原是以平滑测度为准则进行图像复原的。由于二阶微分对图像中的孤立噪声有很强的响应，因此，此约束条件对于图像中的孤立噪声有较好的抑制作用，减小了H［f(x，y)］对噪声的敏感性。但是，二阶微分对图像本身的细节有很强的响应，因此此约束在平滑图像的同时，也削弱了图像的细节。
MATLAB图像处理工具箱中提供了实现约束最小二乘方滤波函数deconvreg()。图3－15是一幅原始图像，图3－16是经过生成淹模函数fspecial()处理后生成的噪声图像，模糊不清而且失真，图3－17是经过约束最小二乘方滤波复原后的图像，其中p是点扩散函数。程序代码如下:
f=imread('man.jpg');
imshow(f);
p=fspecial('motion'，8，48);
g1=imfilter(f，p，'circular');
figure，imshow(g1);
g2=deconvreg(g1，p);
figure，imshow(g2)。
图3－15
图3－16
图3－17
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
