五、图像的复原与重建（MATLAB）上

一、图像退化/复原处理模型

原始图像为f(x,y),退化过程建模为一个退化函数H和一个加性噪声k(x,y)，退化之后得到的图像为g(x,y),数学模型表达式为：
g(x,y)=H[f(x,y)]+k(x,y)
图像复原的目的就是通过退化函数，以及加性噪声来得到初始图像的估计值f’(x,y)。
如果 H 是一个线性的，空间不变的过程，那么空域中的表达式可以写成
g(x,y)=h(x,y)卷积f(x,y)+k(x,y)
等价的频域表达式为：
G(u,v)=H(u,v)F(u,v)+K(u,v)

二、噪声模型

模拟噪声特性和影响的能力是图像复原的核心。
1，使用函数imnoise对图像添加噪声
函数语法为：
g=imnoise(f,type,parameters)
其中，f是输入图像，type是噪声类型，parameters指一些参量。函数 imnoise在给图像添加噪声之前，将图像转换为 [0，1] 中的double类。指定噪声参数时，必须考虑这一点。例如，要将均值为64，方差为400的高斯噪声添加到一幅uint8类图像上，需要将均值标度为64/255并将方差标度为400/（255^2）后，作为imnoise的输入。
g=imnoise(f,‘gaussian’,m,var) 将均值m,方差为var的高斯噪声添加到原图像上。
g=imnoise(f,‘localvar’,v) 将均值为0，局部方差为v的高斯噪声添加到源图像上。其中V是一个大小与f相同的数组，它在每个点包含了期望的方差值。
g=imnoise(f,‘localvar’,image_intensity,var) ,image_intensity是自变量，局部方差var是图像灰度值的函数。
g=imnoise(f,‘salt&pepper’,d) 用椒盐噪声污染图像f,其中d是噪声密度，默认值为0.05。
g=imnoise(f,‘speckle’,var) 使用方程g=f+n.*f将乘性噪声添加到f上,其中n是均值为0，方差为var(默认为0.04)的均匀分布的随机噪声。

subplot(121),imshow(f)
>> g=imnoise(f,'gaussian');
>> subplot(122),imshow(g)