去邊界後的模糊影像還原 例二

k

4.6.2 去邊界後的模糊影像還原 例二

使用以上兩張512 ×512的影像做去邊界還原模擬, 由結果可以觀察到還原的影像的確受 到相當大的影響。K 值小的時候雖然能得到較好的還原效果, 但是相對的條紋狀的干擾就會變 的更加嚴重。雖然如此, 16 個 pixel 的水平手振對於這樣小尺寸的影像可能太過強烈了, 所以下 面的模擬換用較大的影像, 使用相同的手振模糊模型, 測試還原結果:

這裡使用的影像來源是 400 萬畫素(CANON PowerShot A80)的數位像機實際拍攝的照片, 影像尺寸為: 2272×1704

註: 因為原始影像過大, 為了方便表示起見, 這裡的圖片皆經過 90 度角順時針旋轉處理

圖 4.6.15 原始影像

圖 4.6.16 數位影像處理產生的手振模糊影像

圖 4.6.17 去掉現實狀況所沒有的邊界後的影像

圖 4.6.18 使用去掉邊界後的模糊影像進行還原後的影像 K=10^(-2)

圖 4.6.19 使用去掉邊界後的模糊影像進行還原後的影像 K=10^(-3)

圖 4.6.20 外加四捨五入雜訊的去邊界模糊影像進行還原後的影像 K=10^(-3)

由以上的還原結果可以觀察到, 即使在

10 3

K = ⁻ 的情況, 條紋狀干擾只限於影像兩邊的

邊緣部份, 所以在這裡邊界效應對於整個還原影像的影響變的較不明顯。

在實際上的手振模糊影像還原裡, 我們遇到的影像的尺寸通常是像這種大尺寸的, 而且再 加上更多的不理想因素的存在, 使的 K 值沒辦法設的太小, 太小的話還原影像的雜訊干擾勢必 變的相當嚴重, 所以邊界效應的影響就更不明顯了。

4.7 結論

大體來說, 雖然標準的 Wiener filter 還原可以達成最好的還原效果, 但是這再現實上是做 不到的, 因為不管是雜訊的數值或是正常影像的數值, 都是拿到一張模糊照片時所不知道的, 因此本章的標準的 Wiener filter 還原只是用來與其他的還原影像做比較用的。另外, 尋找使 E 值 最小的 K 值這個部分雖然需要正常影像來計算 E 值, 但是實際這樣的 K 值也是有可能再我們尋 找滿意還原影像時被我們選擇, 而且 E 值最小的時候也不一定就是使用者所滿意的影像。

從還原影像大體上來看, 當 K 值較接近 0 時, 影像的細節等還原的效果會比較好, 但是各 種不理想效應也會變的更加嚴重, 反而使還原影像的細節被遮蓋住, 使得還原影像變的更糟 糕。相對的, 如果 K 值比較大的時候, 還原影像會比較模糊, 無法還原出細節, 但是相對的非理 想效應的影響會比較輕微。手振模糊這種情況對影像來說就像是一種低通濾波器的效果, 而手 振模糊還原則像是透過高通濾波器的處理, 因此使得不理想效應變的更明顯。因此, 如何抉擇大 的 K 值或小的 K 值就看使用者個人的需求了。