3. Реальное искаженное изображение.

Цель: применение методов восстановления к реальному искаженному изображению, оценка эффективности методов восстановления.

Шаги:

• Прочитали реальное искаженное изображение.

• Провели визуальный анализ и оценили модель искажений.

• Применили адаптированные методы восстановления.

• Сохранили и анализировали результаты.

Листинг 3 – MATLAB программа

% Чтение реального искаженного изображения real_distorted_image = imread('distorted_image.jpg'); % Предполагаемые параметры PSF % Delta = 5; %длина смаза в пикселях % theta = 30; %угол смаза в градусах estimated_PSF = fspecial('disk', 2); % Параметры для восстановления noise_var = 0.01; % Дисперсия шума % Восстановление реального искаженного изображения real_restored_Tikhonov = deconvreg(real_distorted_image, estimated_PSF, [], noise_var); real_restored_Wiener = deconvwnr(real_distorted_image, estimated_PSF, noise_var); % Сохранение результатов imwrite(real_restored_Tikhonov, 'real_restored_Tikhonov.jpg'); imwrite(real_restored_Wiener, 'real_restored_Wiener.jpg');

Результаты представлены на рисунке 3.

а) исходное изображение
б) восстановление методом Тихонова	в) восстановление методом Винера

Рисунок 3 – Изображение: а) изначальное; б) восстановленное методом сферической фильтрации Тихонова; в) восстановленное методом сферической винеровской фильтрации

Лучший результат удалось добиться при применении «fspecial('disk', 2)». При значении радиуса в 3 и больше - начал появляться гало эффект. А метод «motion» уводил результат не в ту сторону. Неудачные результаты представлены на рисунке 4

а) motion + длина пикселей в 20 по горизонтали методом Тихонова	б) motion + длина пикселей в 20 по горизонтали методом Винера
в) disk + большое значение радиуса при методе Тихонова	г) disk + большое значение радиуса при методе Винера

Рисунок 4 – Неудачные результаты обработки изображения

ВЫВОД

В резльтате лабораторной работы я ознакомился с процессами применения сферической расфокусировки к изображению и его последующего восстановления с использованием методов Тихонова и Винера. Эта работа позволила мне глубже понять практическое применение теоретических концепций цифровой обработки изображений, а также освоить использование соответствующих инструментов MATLAB для обработки и анализа визуальных данных.

Использование маски сферической расфокусировки fspecial('disk', P) в MATLAB эффективно имитировало распространенный тип искажения, встречающийся при съемке изображений в реальных условиях. Последующее восстановление с помощью регуляризации Тихонова и фильтрации Винера продемонстрировало возможность частичной коррекции искажений, хотя и с некоторыми ограничениями.

В процессе восстановления изображения методом Тихонова было замечено, что при неправильном подборе параметра регуляризации могут возникать артефакты, которые вносят дополнительные искажения. В то же время, фильтр Винера показал лучший результат в плане сохранения деталей изображения и уменьшения шума.

Однако, несмотря на определенный успех в восстановлении четкости изображений, полное возвращение к исходному качеству не было достигнуто. Это указывает на необходимость более детальной настройки параметров обработки или использования дополнительных алгоритмов в случае сложных искажений.

Важным аспектом, который был подчеркнут в ходе работы, является важность точной модели Point Spread Function (PSF). В случае несоответствия модели PSF реальным искажениям, результаты восстановления могут быть далеки от оптимальных.

В заключение, проделанная работа позволила мне приобрести ценный опыт в области обработки изображений и понять сложности, связанные с восстановлением изображений в условиях наличия искажений. Практические навыки, полученные в ходе лабораторной работы, будут полезны для более сложных задач обработки изображений в будущем.