VC++实现对退化图像的恢复

核心提示： F(u,v)=[(1/H(u,v))*(|H(u,v)|2)/(|H(u,v)|2+s*[Sn(u,v)/Sf(u,v)])]*G(u,v)当s为1时，上式就是普通的维纳滤波；如果s为变量，VC++实现对退化图像的恢复(5)，则为参数维纳滤波，如果没有噪声干扰，应视具体情况灵活选择合适的算

F(u,v)=[(1/H(u,v))*(|H(u,v)|2)/(|H(u,v)|2+s*[Sn(u,v)/Sf(u,v)])]*G(u,v)

当s为1时，上式就是普通的维纳滤波；如果s为变量，则为参数维纳滤波，如果没有噪声干扰，即Sn(u,v)=0时，上式实际就是前面的逆滤波。从其数学形式可以看出：维纳滤波比逆滤波在对噪声的处理方面要强一些。以上只是理论上的数学形式，在进行实际处理时，往往不知道噪声函数Sn(u,v)和Sf(u,v)的分布情况，因此在实际应用时多用下式进行近似处理：

F(u,v)=[(1/H(u,v))* (|H(u,v)|2)/(|H(u,v)|2+K)]*G(u,v)

其中K是一个预先设定的常数。由此可以写出维纳滤波的实现代码：

……
float K=0.05f; file://预先设定常数K
dsp.DFT_2D_FFT(m_cpBuffer+54,m_nWidth,m_nHeight,U); file://转换到频域
for(int i=0;i 　for(int j=0;j 　　int k=(int)(j/3);
　　D1=(float)sqrt(i*i+k*k);
　　float H=1.0f/(1+(D1/D0)*(D1/D0));//H(u,v)= 1/(1+(u2+v2)/D02))
　　U[i*3*WN+j].Re=(U[i*3*WN+j].Re*H)/(H*H+K); file://维纳滤波
　　U[i*3*WN+j].Im=(U[i*3*WN+j].Im*H)/(H*H+K);
　}
}
dsp.DFT_2D_IFFT(m_cpBuffer+54,m_nWidth,m_nHeight,U);//返回到空域

对经过退化的Lina图像应用维纳滤波处理，可得到如右图所示的恢复效果图。由于维纳滤波在进行恢复时对噪声进行了处理，因此其恢复效果要比逆滤波要好，尤其是退化图像的噪声干扰较强时效果更为明显。

小结

本文对比较常用的两种图像恢复算法逆滤波和维纳滤波的实现过程作了较为详细的讲述，通过对图像质量较低的退化图像应用上述算法可以使图像质量得到一定程度的改善，在视觉上可以得到较好的改观。类似的图像恢复算法还有有约束最小平方恢复算法等多种，应视具体情况灵活选择合适的算法以获取最佳的恢复效果。本文所述程序在Windows 98下，由Microsoft Visual C++ 6.0编译通过。