Khôi phục ảnh màu bị mờ và nhiễu bằng các bộ lọc có hướng

i LỜI CẢM ƠN Trên thực tế thành công mà không gắn liền với hỗ trợ, giúp đỡ suốt thời gian từ bắt đầu học tập trường đến nay, em nhận nhiều quan tâm, giúp đỡ quý Thầy Cô Khoa phòng đào tạo Đại học Công nghệ Thông tin Truyền thông – Đại học Thái Nguyên với tri thức tâm huyết để truyền đạt vốn kiến thức quý báu cho chúng em suốt thời gian học tập trường, luôn tạo điều kiện tốt cho chúng em suốt trình học Em xin chân thành cảm ơn quý Thầy Cô Ban lãnh đạo nhà trường! Với lòng biết ơn sâu sắc em xin gửi lời cảm ơn tới TS Đào Nam Anh, Khoa Công nghệ Thông tin – Đại học Điện Lực, cán trực tiếp hướng dẫn khoa học cho em Thầy dành nhiều thời gian cho việc hướng dẫn em cách nghiên cứu, đọc tài liệu, cài đặt thuật toán giúp đỡ em việc xây dựng chương trình, em xin chân thành cảm ơn Thầy! Và cuối em xin bày tỏ lòng chân thành biết ơn tới lãnh đạo khoa Công nghệ Thông tin trường Đại học Kinh doanh Công nghệ Hà Nội bạn bè đồng nghiệp bên cạnh lúc em khó khăn tạo điều kiện thuận lợi giúp em hoàn thành luận văn Hà Nội, Ngày 01 tháng năm 2015 Học viên Trần Xuân Trường ii LỜI CAM ĐOAN Tôi xin cam đoan luận văn kết nghiên cứu tôi, không chép Nội dung luận văn có tham khảo sử dụng tài liệu liên quan, thông tin tài liệu đăng tải tạp chí trang website theo danh mục tài liệu luận văn Tác giả luận văn Trần Xuân Trường iii MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii MỤC LỤC .iii DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT v DANH MỤC HÌNH VẼ .vi CHƯƠNG I MÔ HÌNH ẢNH BỊ MỜ VÀ NHIỄU 1.1 Xử lý ảnh mô hình biểu diễn ảnh 1.1.1 Ảnh điểm ảnh 1.1.2 Mức xám ảnh 1.1.3 Các lân cận điểm ảnh 1.1.4 Các mối liên kết điểm ảnh 1.1.5 Đo khoảng cách điểm ảnh 1.2 Các phép toán hình thái học 1.2.1 Định nghĩa phép giãn (Dilation) 1.2.2 Định nghĩa phép co (Erosion) 1.2.3 Định nghĩa phép mở (Open) 10 1.2.4 Định nghĩa phép đóng (Close) 10 1.3 Mờ ảnh 11 1.3.1 Mờ trung bình (Average Blur) 11 1.3.2 Mờ chuyển động (Motion Blur) 11 1.3.3 Mờ Gaussian 12 1.3.4 Mờ tiêu cự 13 1.4 Nhiễu ảnh 13 1.4.1 Nhiễu cộng 14 1.4.2 Nhiễu nhân 14 1.4.3 Nhiễu xung 14 1.4.4 Tiêu chí đánh giá tỉ lệ nhiễu, so sánh với ảnh gốc 14 1.5 Mờ ảnh nhiễu ảnh 15 1.6 Một số phương pháp khôi phục ảnh 15 1.6.1 Phương pháp Fourier nghịch đảo 15 1.6.2 Phương pháp Wavelets 17 iv 1.6.3 Phương pháp dùng nhân nhỏ 17 1.6.4 Phương pháp Quick Pixon 18 1.6.5 Phương pháp lọc Wiener 19 1.6.6 Phương pháp thống kê 20 1.7 Kết luận chương I 21 CHƯƠNG II KHÔI PHỤC ẢNH MÀU BỊ MỜ VÀ NHIỄU, GIỮ CẠNH 22 2.1 Khôi phục ảnh dùng lọc có hướng 22 2.1.1 Bước tiền xử lý khử mờ 23 2.1.2 Xây dựng lọc có hướng 25 2.1.3 Tìm lọc có hướng ước lượng kernel nhiễu 26 2.1.4 Khử nhiễu sau có lọc ước lượng nhiễu 29 2.1.5 So sánh với số thuật toán 30 2.2 Một số phương pháp khác 31 2.2.1 Khôi phục ảnh dùng Tổng biến thể 31 2.2.2 Khôi phục ảnh dùng phương pháp Richardson-Lucy 33 2.2.3 Khôi phục ảnh dùng phương pháp Picard 34 2.2.4 Khôi phục ảnh dùng Maximum Entropy 37 2.2.5 Khôi phục ảnh dùng TV phép lặp Bregman 38 2.3 Kết luận chương 41 CHƯƠNG III CÀI ĐẶT THỬ NGHIỆM 42 3.1 3.2 3.3 3.4 Môi trường cài đặt 42 Kết thực nghiệm 42 So sánh 56 Kết luận chương III 57 KẾT LUẬN 58 TÀI LIỆU THAM KHẢO 59 PHỤ LỤC: TRÍCH MÃ NGUỒN 61 v DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT Các thuật ngữ Ý nghĩa Debluring Khôi phục ảnh màu bị nhiễu Wavelet Sóng nhỏ Inpainting Khôi phục ảnh Kernel Nhân Total variation biến thể Average Blur Mờ trung bình Motion Blur Mờ chuyển động Các từ viết tắt Ý nghĩa XLA Xử lý ảnh PDE Partial differential equation ODE Ordinary differential equations PSRN Peak Signal to Noise Ratio vi DANH MỤC HÌNH VẼ Hình 1-1: Khôi phục ảnh Hình 1-2: Lân cận điểm ảnh có tọa độ (x, y) Hình 1-3: Đường nối điểm Hình 1-4: Mờ trung bình (Average Blur) 11 Hình 1-5: Mờ chuyển động (Motion Blur) 12 Hình 1-6: Mờ Gaussian 12 Hình 1-7: Mờ tiêu cự 13 Hình 1-8: Bên trái - ảnh gốc, bên phải ảnh nhiễu cộng 14 Hình 1-9: Bên trái - ảnh gốc, bên trái - ảnh nhiễu, bên phải ảnh nhiễu nhân 14 Hình 1-10: Fourier nghịch đảo 16 Hình 1-11: Khôi phục ảnh dùng Phép chập Fourier 16 Hình 1-12: Wavelets – Các sóng nhỏ 17 Hình 1-13: Khôi phục ảnh phương pháp Quick Pixon 19 Hình 1-14: Khôi phục ảnh phương pháp lọc Wiener bên trái ảnh gốc, bên phải ảnh khôi phục 20 Hình 1-15: Khôi phục ảnh phương pháp thống kê bên trái ảnh gốc, bên phải ảnh khôi phục 21 Hình 2-1: Thuật toán khôi phục ảnh mờ nhiễu dùng lọc có hướng 28 Hình 2-2: Khôi phục ảnh dùng tổng biến thể bên trái ảnh gốc, bên phải ảnh khôi phục 33 Hình 2-3: Khôi phục ảnh Richardson – Lucy bên trái ảnh gốc, bên phải ảnh khôi phục 34 Hình 2-4: Khôi phục ảnh dùng phương pháp Picard bên trái ảnh gốc, bên phải ảnh khôi phục 36 vii Hình 2-5: Khôi phục ảnh dùng phương pháp Maximum Entropy bên ảnh gốc, bên ảnh khôi phục 37 Hình 2-6: Khôi phục ảnh dùng phương pháp Lin cộng bên trái ảnh gốc, bên phải ảnh khôi phục 38 Hình 2-7: Khôi phục ảnh dùng phương pháp Fish cộng 39 Hình 2-8: Khôi phục ảnh dùng phương pháp Osher Rudin 39 Hình 2-9: Khôi phục ảnh dùng phương pháp Chan cộng bên trái ảnh gốc, bên phải ảnh khôi phục 40 Hình 2-10: Khôi phục ảnh dùng phương pháp You, Kaveh, Chan Wong bên trái ảnh gốc, bên phải ảnh khôi phục 41 Hình 3-1: Khôi phục ảnh dùng phương pháp lọc có hướng bên ảnh gốc, bên phải kênh lọc, bên ảnh khôi phục 43 Hình 3-2: Ảnh gốc có dạng texture rừng bị mờ chuyển động 44 Hình 3-3: Ảnh gốc có dạng texture đám mây bị mờ chuyển động 45 Hình 3-4: Ảnh gốc có dạng cấu trúc vân vỏ sò bị mờ chuyển động 46 Hình 3-5: Ảnh gốc có tham gia nhiều người chuyển động 47 Hình 3-6: Ảnh gốc có tham gia máy xúc hoạt động 48 Hình 3-7: Ảnh gốc khung cảnh có kiến trúc nhà máy, bị mờ chuyển động 49 Hình 3-8: Ảnh gốc khung cảnh có kiến trúc cầu, bị mờ chuyển động 50 Hình 3-9: Ảnh gốc khung cảnh dạng kiến trúc công trình xây dựng, bị mờ chuyển động 51 Hình 3-10: Ảnh gốc có tham gia nhiều máy xúc hoạt động 52 Hình 3-11: Ảnh gốc có tham gia tàu biển chạy 53 Hình 3-12: Ảnh gốc có tham gia nhiều tàu biển chạy nhiều hướng 54 Hình 3-13: Ảnh gốc cột bị rung, nhiễu chuyển động 55 LỜI MỞ ĐẦU Lĩnh vực toán ứng dụng phát triển nhiều kỷ qua Với sẵn có thiết bị máy tính giá thành hạ năm gần đây, toán ứng dụng mở rộng sang nhiều lĩnh vực liên quan Trong số có ngành sinh học vật lý, khoa học vật liệu, tính toán hình học Lĩnh vực phân tích số phát triển cho vấn đề toán học Phân tích số có nhiều chủ đề thú vị tìm đường cong kỹ thuật phù hợp, phân tích phù hợp khác biệt, giải pháp phương trình vi phân Ngoài có hệ thống tuyến tính giá trị đặc trưng, phương pháp tối ưu thuật toán tổ hợp Một lĩnh vực liên quan có phát triển nhanh gần lĩnh vực xử lý ảnh Với gia tăng máy ảnh kỹ thuật số, máy quét, ảnh kỹ thuật số, phương pháp tốt xử lý ảnh trở nên cần thiết Khôi phục ảnh màu bị mờ nhiễu trình xây dựng lại phận bị nhòe, bị nhiễu xuống cấp ảnh video Trong trường hợp tranh có giá trị, nhiệm vụ thực nghệ sĩ có tay nghề cao phục hồi tranh Trong giới công nghệ thông tin, khôi phục ảnh màu bị nhiễu đề cập đến việc áp dụng thuật toán phức tạp để khôi phục lại phần ảnh ban đầu, trước bị nhiễu Trọng tâm luận văn tìm hiểu vấn đề liên quan đến việc khôi phục ảnh màu hỏng bị mờ nhiễu, nghiên cứu số thuật toán khôi phục ảnh màu bị mờ nhiễu tập trung tìm hiểu thuật toán sử dụng lọc có hướng để tạo ảnh ban đầu Trong đó, lọc áp dụng vào hướng khác theo đánh giá hướng nhiễu phần ảnh Thuật toán thực nghiệm với chương trình sử dụng ngôn ngữ Matlab Ngoài phần mở đầu kết luận, luận văn chia làm chương, luận văn có chương sau: Chương 1: Mô hình ảnh bị mờ nhiễu Trình bày vấn đề đặt cần giải toán khôi phục ảnh màu bị mờ nhiễu Chương 2: Khôi phục ảnh màu bị mờ nhiễu, giữ cạnh Các hướng tiếp cận xử lý nhiễu ảnh khôi phục phần ảnh bị mờ nhiễu Trình bày số phương pháp, phân tích thuật toán khôi phục ảnh màu bị mờ nhiễu cách áp dụng lọc có hướng theo đánh giá hướng phần ảnh Phương pháp dựa kết quan sát thực nghiệm: áp dụng lọc tần số thấp làm giảm nhiễu ảnh, không ảnh hưởng đến thông tin tần số cao, có thông tin ảnh bị mờ Thuật toán đánh giá hướng kênh nhiễu cục Từ khôi phục nhiễu theo hướng cục tìm Chương 3: Thực nghiệm đánh giá Trình bày việc cài đặt chương trình, xây dựng liệu thực nghiệm khôi phục ảnh màu bị mờ nhiễu lọc có hướng, trình thực nghiệm, kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm CHƯƠNG I MÔ HÌNH ẢNH BỊ MỜ VÀ NHIỄU 1.1 Xử lý ảnh mô hình biểu diễn ảnh Lĩnh vực xử lý ảnh rộng có nhiều ứng dụng thực tiễn Một số lĩnh vực ứng dụng xử lý ảnh phổ biến phục hồi ảnh, nén ảnh, phân vùng ảnh Một lĩnh vực xử lý ảnh khác phục hồi ảnh Trong phục hồi ảnh, ảnh bị biến dạng phục hồi hình thức ban đầu Sự biến dạng thường gây nhiễu truyền liệu, hiệu chuẩn ống kính, chuyển động máy ảnh, hay tuổi ảnh gốc Ví dụ ảnh chụp điều kiện thiếu ánh sáng loại thách thức Vì ánh sáng cần nhiều thời gian để ngắm – chân máy camera dễ bị rung tạo ảnh mờ Khi tăng độ nhạy ánh sáng camera, nghĩa sử dụng ISO cao hơn, làm giảm thời gian ngắm, lại có mức nhiễu cao hơn, dẫn đến nhiều ảnh bị mờ nhiễu Hình 1-1: Khôi phục ảnh Một dạng phục hồi ảnh khác khôi phục vùng bị ảnh Các vùng bị tuổi ảnh, phần đối tượng ảnh bị che khuất Tuy nhiên luận văn tập trung vào vấn đề phục hồi ảnh bị mờ nhiễu 50 Ví dụ Hình 3.8 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm gần giữa, bên dưới, ảnh khôi phục có bóng Kênh lọc Số vòng lặp: Độ nhiễu = 0.003 sigma: 0.019 Thời gian thực hiện: 20.46 sec Hình 3-8: Ảnh gốc khung cảnh có kiến trúc cầu, bị mờ chuyển động 51 Ví dụ Hình 3.9 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dưới, ảnh khôi phục bị mờ, có bóng Kênh lọc Số vòng lặp: Độ nhiễu = 0.005 sigma: 0.019 Thời gian thực hiện: 16.48 sec Hình 3-9: Ảnh gốc khung cảnh dạng kiến trúc công trình xây dựng, bị mờ chuyển động 52 Ví dụ Hình 3.10 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm, bên dưới, ảnh khôi phục bị mờ, nhiều bóng Kênh lọc Số vòng lặp: Độ nhiễu = 0.025 sigma: 0.077 Thời gian thực hiện: 16.13 sec Hình 3-10: Ảnh gốc có tham gia nhiều máy xúc hoạt động 53 Ví dụ Hình 3.11 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm giữa, ảnh khôi phục tốt Kênh lọc Số vòng lặp: Độ nhiễu = 0.016 sigma: 0.048 Thời gian thực hiện: 15.92 sec Hình 3-11: Ảnh gốc có tham gia tàu biển chạy 54 Ví dụ Hình 3.12 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dưới, ảnh khôi phục có bóng Kênh lọc Số vòng lặp: Độ nhiễu = 0.008 sigma: 0.025 Thời gian thực hiện: 15.13 sec Hình 3-12: Ảnh gốc có tham gia nhiều tàu biển chạy nhiều hướng 55 Ví dụ Hình 3.13 Kết giảm mờ với ảnh màu tìm kernel mờ sau vòng lặp Kernel nằm bên dưới, ảnh khôi phục mờ, bóng Kênh lọc Số vòng lặp: Độ nhiễu = 0.046 sigma: 0.138 Thời gian thực hiện: 15.23 sec Hình 3-13: Ảnh gốc cột bị rung, nhiễu chuyển động 56 3.3 So sánh Khôi phục ảnh dùng lọc có hướng phương pháp thử nghiệm mẫu ảnh theo độ nhiễu khác PSRN đại lượng đo độ đồng dạng ảnh khôi phục so với ảnh ban đầu Trong đồ thị có sử dụng ký hiệu ABCDEF cho phương pháp A Khôi phục ảnh dùng Tổng biến thể B Khôi phục ảnh dùng phương pháp Richardson-Lucy C Khôi phục ảnh dùng phương pháp Picard D Khôi phục ảnh dùng Maximum Entropy E Khôi phục ảnh dùng TV phép lặp Bregman F Khôi phục ảnh dùng lọc có hướng Trong thử nghiệm khôi phục ảnh dùng lọc có hướng cho kết ổn đinh tốt 57 3.4 Kết luận chương III Chương trình bày việc cài đặt chương trình, xây dựng liệu thực nghiệm khôi phục ảnh màu bị nhiễu lọc có hướng, trình thực nghiệm, kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm Phương pháp khôi phục ảnh dùng lọc có hướng so sánh với phương pháp khác mẫu ảnh theo độ nhiễu khác Đại lượng đo độ đồng dạng ảnh khôi phục so với ảnh ban đầu dùng PSRN Kết cho thấy khôi phục ảnh dùng lọc có hướng cho kết ổn đinh tốt 58 KẾT LUẬN Luận văn khảo sát số thuật toán thấy hầu hết kỹ thuật nhạy với nhiễu ảnh Luận văn tập trung tìm hiểu phương pháp giải chập mù ảnh đặc trưng có tác dụng mạnh với nhiễu so với phương pháp Phương pháp sử dụng lọc hướng để giảm nhiễu giữ thông tin theo hướng trực giao chúng Bằng việc áp dụng loạt lọc hướng khác vậy, thuật toán làm khôi phục hình chiếu 1d xác kernel theo tất hướng, mà thuật toán dùng để ước lượng kernel mờ xác sử dụng nghịch đảo biến đổi Radon Thuật toán đưa kỹ thuật giải chập không mù chống nhiễu mà tạo kết cuối có chất lượng cao Hiệu phương pháp trình bày số so sánh dựa liệu tổng hợp liệu thực tế Tuy nhiên trình thực hiện, với thời gian nhiều, lực chuyên môn, điều kiện thực nghiệm hạn chế, nên việc đánh giá tổng hợp phương pháp khiếm khuyết Tôi mong nhận đóng góp ý kiến Thầy Cô bạn bè đồng nghiệp 59 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Lương Mạnh Bá, Nguyễn Thanh Thủy (1999) Nhập môn xử lý ảnh số, Nhà xuất Khoa học kỹ thuật, Hà Nội [2] Đỗ Năng Toàn, Phạm Việt Bình (2007) Giáo trình xử lý ảnh, Nhà xuất Đại học Hà nội [3] Võ Đức Khánh, Hoàng Kiếm (2007) Giáo trình xử lý ảnh Nhà xuất Đại học Quốc Gia TP Hồ Chí Minh [4] Nguyễn Kim Sách (1977) Xử lý ảnh video số, Nhà xuất Khoa học kỹ thuật, Hà Nội Tiếng Anh [5] Buades, C B., and J.-M Morel The staircasing effect in neighborhood filters and its solution IEEE Transaction on Image Processing, 15(6), 2006 [6] S Cho and S Lee Fast motion deblurring SIGGRAPH ASIA, 2009 [7] S Cho, J Wang, and S Lee Handling outliers in non-blind image deconvolution ICCV, 2011 [8] T S Cho, S Paris, B K P Horn, and W T Freeman Blur kernel estimation using the radon transform CVPR, 2011 [9] K Dabov, A Foi, V Katkovnik, and K Egiazarian Image denoising by sparse 3d transform-domain collaborative filtering TIP, 2007 [10] R Fergus, B Singh, A Hertzmann, S T Roweis, and W T Freeman Removing camera shake from a single photograph SIGGRAPH, 2006 [11] Goldstein and R Fattal Blur-kernel estimation from spectral irregularities ECCV, 2012 [12] N Joshi, R Szeliski, and D J Kriegman Psf estimation using sharp edge prediction CVPR, 2008 [13] N Joshi, C L Zitnicky, R Szeliskiy, and D J Kriegman Image deblurring and denoising using color priors CVPR, 2009 [14] Lin Zhong, Sunghyun Cho, Dimitris Metaxas, Sylvain Paris, Jue Wang, Handling Noise in Single Image Deblurring using Directional Filters, CVPR 2013 60 [15] S Y Kim, Y W Tai, S J Kim, M S Brown, and Y Matsushita Nonlinear camera response functions and image deblurring CVPR, 2012 [16] Levin, Y Weiss, f Durand, and W T Freeman Understanding and evaluating blind deconvolution algorithms CVPR, 2009 [17] Levin, Y Weiss, f Durand, and W T Freeman Efficient marginal likelihood optimization in blind deconvolution CVPR, 2011 [18] Q Shan, J Jia, and A Agarwala High-quality motion deblurring from a single image SIGGRAPH, 2008 [19] Y Tai and S Lin Motion-aware noise filtering for deblurring of noisy and blurry images CVPR, 2012 61 PHỤ LỤC: TRÍCH MÃ NGUỒN Hàm xử lý mờ có nhiễu theo hướng deconv_orientation, có tham số nhiễu (sig_noise) tham số hướng (orientation): function [k,ex,ssde]=deconv_orientation(y,k_sz1,k_sz2,x,sig_noise,bmp_outname,orientation,edges_ w) %function [k,ex,ssde]=deconv_orientation(y,k_sz1,k_sz2,x,sig_noise,bmp_outname,orientation,edges_ w) %blind deconvolution on an image, assuming a sparse MOG prior on the %derivatives %This function solves in the derivatives space, that is, solve for each %derivative independently, without enforcing integrability %To approximate the covariance we use the free-energy update rules, %and construct a orientational covariance %input arguments: % y- blurred image % k_sz1,k_sz2- desired kernel size % x- (optional) original sharp image, for error evaluation Note: error %is computed up to a small spatial shift since kernel %reconstruction is invariant to shift % sig_noise- (optional) noise std parameter default 0.01 % bmp_outname- (optional) output name to write temporary results at %different pyramid levels %orientation- should follow orientation %edges_w- (optional) edges weighting for the *final* deconvolution %process 62 %output: % k-estimated kernel % ex- estimated latent image % ssde - error between estimated image and sharp reference error %is computed after searching for the best shift % if ~exist('sig_noise','var') sig_noise=0.01; end if ~exist('bmp_outname','var') bmp_outname=[]; end if ~exist('orientation','var') orientation=0; end if ~exist('x','var') x=[]; end if ~exist('edges_w','var') edges_w=0.0068; end %set the parameters of our deconvolution problem %(see readme file for description) sig_noise_v=sig_noise*(1.15.^[10:-1:0]); load MOGparams prob.prior_ivar=ivars; prob.prior_pi=pis; prob.filts(:,:,1)=[-1 1; 0]; prob.filts(:,:,2)=[-1 0; 0]; 63 ret=0.5^0.5; prob.cycconv=0; prob.covtype='diag'; prob.update_x='conjgrad'; prob.filt_space=1; prob.init_x_every_itr=1; prob.k_prior_ivar=0.01; prob.unconst_k=0; prob.eval_freeeng=0; %make sure kernel size is odd k_sz1=floor(k_sz1/2)*2+1; k_sz2=floor(k_sz2/2)*2+1; prob.k_sz1=k_sz1; prob.k_sz2=k_sz2; tf=zeros(k_sz1,k_sz2); tf(ceil(k_sz1/2),ceil(k_sz2/2))=1; tf(ceil(k_sz1/2),ceil(k_sz2/2)+1)=1; tf=tf/sum(tf(:)); prob.k=tf; prob.y=y; tic %here we call the main deconvolution routine, in a coarse to fine scheme [prob1,kListItr]=multires_deconv(prob,ret,sig_noise_v,orientation,bmp_outname); k=prob1.k; k=k/sum(k(:)); toc %final non blind deconvolution with the estimated kernel [ex]=deconvSps(y,k,edges_w,70); if ~isempty(x) % compute error between estimated image and sharp reference % error is computed after finding the best shift 64 [ssde]=comp_upto_shift(ex,x) else ssde=[]; end ... văn có chương sau: Chương 1: Mô hình ảnh bị mờ nhiễu Trình bày vấn đề đặt cần giải toán khôi phục ảnh màu bị mờ nhiễu Chương 2: Khôi phục ảnh màu bị mờ nhiễu, giữ cạnh Các hướng tiếp cận xử lý nhiễu. .. cận xử lý nhiễu ảnh khôi phục phần ảnh bị mờ nhiễu Trình bày số phương pháp, phân tích thuật toán khôi phục ảnh màu bị mờ nhiễu cách áp dụng lọc có hướng theo đánh giá hướng phần ảnh Phương pháp... dạng phục hồi ảnh khác khôi phục vùng bị ảnh Các vùng bị tuổi ảnh, phần đối tượng ảnh bị che khuất Tuy nhiên luận văn tập trung vào vấn đề phục hồi ảnh bị mờ nhiễu 4 1.1.1 Ảnh điểm ảnh Ảnh xem