Luận văn thạc sĩ khôi phục ảnh màu bị mờ và nhiễu bằng các bộ lọc có hướng

i ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN & TRUYỀN THÔNG TRẦN XUÂN TRƢỜNG KHÔI PHỤC ẢNH MÀU BỊ MỜ VÀ NHIỄU BẰNG CÁC BỘ LỌC CĨ HƢỚNG Chun ngành: Khoa học máy tính Mã số: 60 48 01 01 LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHOA HỌC MÁY TÍNH NGƢỜI HƢỚNG DẪN KHOA HỌC TS ĐÀO NAM ANH Thái Nguyên, năm 2015 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ii LỜI CẢM ƠN Trên thực tế khơng có thành cơng mà không gắn liền với hỗ trợ, giúp đỡ suốt thời gian từ bắt đầu học tập trƣờng đến nay, em nhận đƣợc 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 trƣờng, luôn tạo điều kiện tốt cho chúng em suốt trình học Em xin chân thành cảm ơn quý Thầy Cô Ban lãnh đạo nhà trƣờng! 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 hƣớng dẫn khoa học cho em Thầy dành nhiều thời gian cho việc hƣớng dẫn em cách nghiên cứu, đọc tài liệu, cài đặt thuật toán giúp đỡ em việc xây dựng chƣơng 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 trƣờng 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 Trƣờng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn iii 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 đƣợc đăng tải tạp chí trang website theo danh mục tài liệu luận văn Tác giả luận văn Trần Xuân Trƣờng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn iii MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN iii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT v DANH MỤC HÌNH VẼ vi CHƢƠNG I MƠ HÌNH ẢNH BỊ MỜ VÀ NHIỄU 1.1 Xử lý ảnh mơ hình biểu diễn ảnh .3 1.1.1 Ảnh điểm ảnh .4 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 tốn hình thái học 1.2.1 Định nghĩa phép giãn (Dilation) .9 1.2.2 Định nghĩa phép co (Erosion) 10 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) 12 1.3.3 Mờ Gaussian 12 1.3.4 Mờ tiêu cự .13 1.4 Nhiễu ảnh 14 1.4.1 Nhiễu cộng 14 1.4.2 Nhiễu nhân 14 1.4.3 Nhiễu xung 15 1.4.4 Tiêu chí đánh giá tỉ lệ nhiễu, so sánh với ảnh gốc 15 1.5 Mờ ảnh nhiễu ảnh 15 1.6 Một số phƣơng pháp khôi phục ảnh .15 1.6.1 Phƣơng pháp Fourier nghịch đảo 16 1.6.2 Phƣơng pháp Wavelets 17 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn iv 1.6.3 Phƣơng pháp dùng nhân nhỏ 18 1.6.4 Phƣơng pháp Quick Pixon 19 1.6.5 Phƣơng pháp lọc Wiener 19 1.6.6 Phƣơng pháp thống kê 21 1.7 Kết luận chƣơng I 21 ̃ CHƢƠNG II KHÔI PHỤC ẢNH MÀU BỊ MỜ VÀ NHIÊU, GIỮ CẠNH 23 2.1 Khơi phục ảnh dùng lọc có hƣớng 23 2.1.1 Bƣớc tiền xử lý khử mờ 24 2.1.2 Xây dựng lọc có hƣớng .26 2.1.3 Tìm lọc có hƣớng ƣớc lƣợng kernel nhiễu .27 2.1.4 Khử nhiễu sau có lọc ƣớc lƣợng nhiễu .30 2.1.5 So sánh với số thuật toán 31 2.2 Một số phƣơng pháp khác 32 2.2.1 Khôi phục ảnh dùng Tổng biến thể 32 2.2.2 Khôi phục ảnh dùng phƣơng pháp Richardson-Lucy 34 2.2.3 Khôi phục ảnh dùng phƣơng pháp Picard 35 2.2.4 Khôi phục ảnh dùng Maximum Entropy 38 2.2.5 Khôi phục ảnh dùng TV phép lặp Bregman 39 2.3 Kết luận chƣơng 42 CHƢƠNG III CÀI ĐẶT THỬ NGHIỆM .43 3.1 3.2 3.3 3.4 Môi trƣờng cài đặt 43 Kết thực nghiệm 43 So sánh 57 Kết luận chƣơng III 58 KẾT LUẬN 59 TÀI LIỆU THAM KHẢO 60 PHỤ LỤC: TRÍCH MÃ NGUỒN 62 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT Các thuật ngữ Debluring Wavelet Inpainting Kernel Total variation Average Blur Motion Blur Các từ viết tắt XLA PDE ODE PSRN Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn vi DANH MỤC HÌNH VẼ Hình 1-1: Khơi phục ảnh Hình 1-2: Lân cận điểm ảnh có tọa độ (x, y) Hình 1-3: Đƣờng nối điểm Hình 1-4: Mờ trung bình (Average Blur) 12 Hình 1-5: Mờ chuyển động (Motion Blur) .12 Hình 1-6: Mờ Gaussian 13 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 dƣới - ảnh nhiễu, bên phải ảnh nhiễu nhân 15 Hình 1-10: Fourier nghịch đảo 16 Hình 1-11: Khôi phục ảnh dùng Phép chập Fourier 17 Hình 1-12: Wavelets – Các sóng nhỏ 18 Hình 1-13: Khơi phục ảnh phƣơng pháp Quick Pixon 19 Hình 1-14: Khơi phục ảnh phƣơng pháp lọc Wiener bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 21 Hình 1-15: Khơi phục ảnh phƣơng pháp thống kê bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 21 Hình 2-1: Thuật tốn khơi phục ảnh mờ nhiễu dùng lọc có hƣớng 29 Hình 2-2: Khôi phục ảnh dùng tổng biến thể bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục .34 Hình 2-3: Khơi phục ảnh Richardson – Lucy bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục .35 Hình 2-4: Khơi phục ảnh dùng phƣơng pháp Picard bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 37 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn vii Hình 2-5: Khơi phục ảnh dùng phƣơng pháp Maximum Entropy bên ảnh gốc, bên dƣới ảnh đƣợc khôi phục 38 Hình 2-6: Khơi phục ảnh dùng phƣơng pháp Lin cộng bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 39 Hình 2-7: Khơi phục ảnh dùng phƣơng pháp Fish cộng 40 Hình 2-8: Khơi phục ảnh dùng phƣơng pháp Osher Rudin 40 Hình 2-9: Khơi phục ảnh dùng phƣơng pháp Chan cộng bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 41 Hình 2-10: Khôi phục ảnh dùng phƣơng pháp You, Kaveh, Chan Wong bên trái ảnh gốc, bên phải ảnh đƣợc khơi phục 42 Hình 3-1: Khơi phục ảnh dùng phƣơng pháp lọc có hƣớng bên ảnh gốc, bên phải kênh lọc, bên dƣới ảnh đƣợc khôi phục 44 Hình 3-2: Ảnh gốc có dạng texture rừng bị mờ chuyển động 45 Hình 3-3: Ảnh gốc có dạng texture đám mây bị mờ chuyển động 46 Hình 3-4: Ảnh gốc có dạng cấu trúc vân vỏ sò bị mờ chuyển động 47 Hình 3-5: Ảnh gốc có tham gia nhiều ngƣời chuyển động .48 Hình 3-6: Ảnh gốc có tham gia máy xúc hoạt động 49 Hình 3-7: Ảnh gốc khung cảnh có kiến trúc nhà máy, bị mờ chuyển động 50 Hình 3-8: Ảnh gốc khung cảnh có kiến trúc cầu, bị mờ chuyển động 51 Hình 3-9: Ảnh gốc khung cảnh dạng kiến trúc cơng trình xây dựng, bị mờ chuyển động .52 Hình 3-10: Ảnh gốc có tham gia nhiều máy xúc hoạt động .53 Hình 3-11: Ảnh gốc có tham gia tàu biển chạy 54 Hình 3-12: Ảnh gốc có tham gia nhiều tàu biển chạy nhiều hƣớng 55 Hình 3-13: Ảnh gốc cột bị rung, nhiễu chuyển động .56 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 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 tốn hình học Lĩnh vực phân tích số đƣợc phát triển cho vấn đề ngồi tốn học Phân tích số có nhiều chủ đề thú vị nhƣ tìm đƣờng cong kỹ thuật phù hợp, phân tích phù hợp khác biệt, giải pháp phƣơng trình vi phân Ngồi còn có hệ thống tuyến tính giá trị đặc trƣng, nhƣ phƣơng pháp tối ƣu 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, phƣơng 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 trƣờng hợp tranh có giá trị, nhiệm vụ đƣợc 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, trƣớc bị nhiễu Trọng tâm luận văn tìm hiểu vấn đề liên quan đến việc khơi phục ảnh màu hỏng bị mờ nhiễu, nghiên cứu số thuật tốn khơi phục ảnh màu bị mờ nhiễu tập trung tìm hiểu thuật tốn sử dụng lọc có hƣớng để tạo ảnh ban đầu Trong đó, lọc đƣợc áp dụng vào hƣớng khác theo đánh giá hƣớng nhiễu phần ảnh Thuật toán đƣợc thực nghiệm với chƣơng trình sử dụng ngơn ngữ Matlab Ngoài phần mở đầu kết luận, luận văn đƣợc chia làm chƣơng, luận văn có chƣơng nhƣ sau: Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 51 Ví dụ Hình 3.8 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ sau vòng lặp Kernel nằm gần giữa, bên dƣới, ảnh khơi 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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 52 Ví dụ Hình 3.9 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dƣới, ảnh khơi phục còn 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 cơng trình xây dựng, bị mờ chuyển động Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 53 Ví dụ Hình 3.10 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ sau vòng lặp Kernel nằm, bên dƣới, ảnh khôi phục còn 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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 54 Ví dụ Hình 3.11 Kết giảm mờ với ảnh màu tìm đƣợc 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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 55 Ví dụ Hình 3.12 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dƣới, 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 hƣớng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 56 Ví dụ Hình 3.13 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ sau vòng lặp Kernel nằm bên dƣới, ảnh khôi phục còn mờ, khơng có 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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 57 3.3 So sánh Khơi phục ảnh dùng lọc có hƣớng phƣơng pháp đƣợc thử nghiệm mẫu ảnh theo độ nhiễu khác PSRN đại lƣợng đo độ đồng dạng ảnh đƣợc khôi phục so với ảnh ban đầu Trong đồ thị dƣới có sử dụng ký hiệu ABCDEF cho phƣơng pháp A Khôi phục ảnh dùng Tổng biến thể B Khôi phục ảnh dùng phƣơng pháp Richardson-Lucy C Khôi phục ảnh dùng phƣơng 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 hƣớng Trong thử nghiệm khơi phục ảnh dùng lọc có hƣớng cho kết ổn đinh tốt Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 58 3.4 Kết luận chƣơng III Chƣơng trình bày việc cài đặt chƣơng trình, xây dựng liệu thực nghiệm khôi phục ảnh màu bị nhiễu lọc có hƣớng, q trình thực nghiệm, kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm Phƣơng pháp khơi phục ảnh dùng lọc có hƣớng đƣợc so sánh với phƣơng pháp khác mẫu ảnh theo độ nhiễu khác Đại lƣợng đo độ đồng dạng ảnh đƣợc khôi phục so với ảnh ban đầu đƣợc dùng PSRN Kết cho thấy khơi phục ảnh dùng lọc có hƣớng cho kết ổn đinh tốt Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 59 KẾT LUẬN Luận văn khảo sát số thuật toán thấy hầu hết kỹ thuật nhạy với nhiễu ảnh Luận văn tập trung tìm hiểu phƣơng pháp giải chập mù ảnh đặc trƣng có tác dụng mạnh với nhiễu so với phƣơng pháp Phƣơng pháp sử dụng lọc hƣớng để giảm nhiễu giữ đƣợc thông tin theo hƣớng trực giao chúng Bằng việc áp dụng loạt lọc hƣớng khác nhƣ vậy, thuật toán làm khơi phục hình chiếu 1d xác kernel theo tất hƣớng, mà thuật tốn dùng để ƣớc lƣợng kernel mờ xác sử dụng nghịch đảo biến đổi Radon Thuật toán đƣa kỹ thuật giải chập không mù chống nhiễu mà tạo kết cuối có chất lƣợng cao Hiệu phƣơng pháp đƣợc trình bày số so sánh dựa liệu tổng hợp liệu thực tế Tuy nhiên trình thực hiện, với thời gian khơng có nhiều, lực chuyên môn, điều kiện thực nghiệm còn hạn chế, nên việc đánh giá tổng hợp phƣơng pháp còn khiếm khuyết Tơi mong nhận đƣợc đóng góp ý kiến Thầy Cô bạn bè đồng nghiệp Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 60 TÀI LIỆU THAM KHẢO Tiếng Việt [1] [2] [3] [4] Lƣơng Mạnh Bá, Nguyễn Thanh Thủy (1999) Nhập môn xử lý ảnh số, Nhà xuất Khoa học kỹ thuật, Hà Nội Đỗ Năng Tồn, Phạm Việt Bình (2007) Giáo trình xử lý ảnh, Nhà xuất Đại học Hà nội Võ Đức Khánh, Hoàng Kiếm (2007) Giáo trình xử lý ảnh Nhà xuất Đại học Quốc Gia TP Hồ Chí Minh Nguyễn Kim Sách (1977) Xử lý ảnh video số, Nhà xuất Khoa học kỹ thuật, Hà Nội Tiếng Anh [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] Buades, C B., and J.-M Morel The staircasing effect in neighborhood filters and its solution IEEE Transaction on Image Processing, 15(6), 2006 S Cho and S Lee Fast motion deblurring SIGGRAPH ASIA, 2009 S Cho, J Wang, and S Lee Handling outliers in non-blind image deconvolution ICCV, 2011 T S Cho, S Paris, B K P Horn, and W T Freeman Blur kernel estimation using the radon transform CVPR, 2011 K Dabov, A Foi, V Katkovnik, and K Egiazarian Image denoising by sparse 3d transform-domain collaborative filtering TIP, 2007 R Fergus, B Singh, A Hertzmann, S T Roweis, and W T Freeman Removing camera shake from a single photograph SIGGRAPH, 2006 Goldstein and R Fattal Blur-kernel estimation from spectral irregularities ECCV, 2012 N Joshi, R Szeliski, and D J Kriegman Psf estimation using sharp edge prediction CVPR, 2008 N Joshi, C L Zitnicky, R Szeliskiy, and D J Kriegman Image deblurring and denoising using color priors CVPR, 2009 Lin Zhong, Sunghyun Cho, Dimitris Metaxas, Sylvain Paris, Jue Wang, Handling Noise in Single Image Deblurring using Directional Filters, CVPR 2013 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 61 [15] [16] [17] [18] [19] S Y Kim, Y W Tai, S J Kim, M S Brown, and Y Matsushita Nonlinear camera response functions and image deblurring CVPR, 2012 Levin, Y Weiss, f Durand, and W T Freeman Understanding and evaluating blind deconvolution algorithms CVPR, 2009 Levin, Y Weiss, f Durand, and W T Freeman Efficient marginal likelihood optimization in blind deconvolution CVPR, 2011 Q Shan, J Jia, and A Agarwala High-quality motion deblurring from a single image SIGGRAPH, 2008 Y Tai and S Lin Motion-aware noise filtering for deblurring of noisy and blurry images CVPR, 2012 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 62 PHỤ LỤC: TRÍCH MÃ NGUỒN Hàm xử lý mờ có nhiễu theo hƣớng deconv_orientation, có tham số nhiễu (sig_noise) tham số hƣớng (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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 63 %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]; Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 64 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 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 65 [ssde]=comp_upto_shift(ex,x) else ssde=[]; end Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ... vấn đề đặt cần giải tốn khơi phục ảnh màu bị mờ nhiễu Chƣơng 2: Khôi phục ảnh màu bị mờ nhiễu, giữ cạnh Các hƣớng tiếp cận xử lý nhiễu ảnh khơi phục phần ảnh bị mờ nhiễu Trình bày số phƣơng pháp,... lại có mức nhiễu cao hơn, dẫn đến nhiều ảnh bị mờ nhiễu Hình 1-1: Khơi phục ảnh Một dạng phục hồi ảnh khác khôi phục vùng bị ảnh Các vùng bị tuổi ảnh, phần đối tƣợng ảnh bị che khuất Tuy nhiên luận. .. khơi phục lại phần ảnh ban đầu, trƣớc 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 tốn khơi phục ảnh màu bị mờ nhiễu