举例：以航空侦察相机为例讲述运动模糊的基本原理 当飞机以速度在空中飞行时，如图所示，地 面景物A点相对飞机向后移动到A'。通过光学系统 成像于a'点，在CCD靶面上像移速度为： H max V:飞机飞行速度； H:飞行高度； fx:光学系统最大焦距。 在CCD摄像机每场积分时间内像移量为： 像移模型 △l=Vt(mm) t为CCD摄像机的场积分时间 数字图像处要 ■■■■ ■■■■题 26/117
举例：以航空侦察相机为例讲述运动模糊的基本原理 当飞机以速度V在空中飞行时，如图所示，地 面景物A点相对飞机向后移动到A’。通过光学系统 成像于a’点，在CCD靶面上像移速度为： v a a ' ' max ' f H V V 26/117 V：飞机飞行速度； H：飞行高度； ：光学系统最大焦距。 在CCD摄像机每场积分时间内像移量为： ｔ为CCD摄像机的场积分时间 A ' A 像移模型 ' max f ( ) ' l V t mm
小结： 像移量的存在导致图像模糊，为得到清晰图像，必须要对 像移进行控制。在实际工程中，CCD的积分时间不能无限的缩 小，而且高帧频CCD的价格很贵。积分时间缩短后，为了保证 图像质量，所需的地面照度就越大，这就限制了相机的工作条 件，在许多情况下是不能接受的。 目前解决运动模糊的主要手段是通过了解图像的退化过程， 建立运动图像的复原模型，通过数学模型来解决图像的复原问 题。 数字图像处要 ■■■■ ■■■■■ 27/117
小结： 像移量的存在导致图像模糊，为得到清晰图像，必须要对 像移进行控制。在实际工程中，CCD的积分时间不能无限的缩 小，而且高帧频CCD的价格很贵。积分时间缩短后，为了保证 图像质量，所需的地面照度就越大，这就限制了相机的工作条 27/117 件，在许多情况下是不能接受的。 目前解决运动模糊的主要手段是通过了解图像的退化过程， 建立运动图像的复原模型，通过数学模型来解决图像的复原问 题
8.2.2运动模糊图像的退化模型 >模糊图像的一般退化模型： 在实际降质过程中，降质的另一个复杂因素是随机噪声， 考虑有噪声的图像恢复，必须知道噪声统计特性以及噪声和图 像信号的相关情况，这是非常复杂的。 实际中假设是白噪声--频谱密度为常数，且与图像不相 关，（一般只要噪声带宽比图像带宽大得多时，此假设成立）， 由此得出图像退化模型。 可以将图像退化过程描述成一个退化系统，这里原图像f(x,) 是通过一个系统H并与加性噪声(x,y)相加退化成图像g(x,y) 的，其过程如下图所示： 数字图像处要 ■■■■ ■■■■■ 28/117
在实际降质过程中，降质的另一个复杂因素是随机噪声， 考虑有噪声的图像恢复，必须知道噪声统计特性以及噪声和图 像信号的相关情况，这是非常复杂的。 8.2.2 运动模糊图像的退化模型 模糊图像的一般退化模型： 28/117 实际中假设是白噪声---频谱密度为常数，且与图像不相 关，(一般只要噪声带宽比图像带宽大得多时，此假设成立)， 由此得出图像退化模型。 可以将图像退化过程描述成一个退化系统，这里原图像 是通过一个系统 并与加性噪声 相加退化成图像 的，其过程如下图所示： f x y ( , ) H n x y ( , ) g x y ( , )
n(x,y） fxy） g(x,y） 图像降质过程模型 图像的降质公式： gx,y)=∫∫fa,Bhx-a,y-BdadB+nx,y) 数字图像处要 ■■■■ ■■■■■ 29/117
H f(x,y) g(x,y) n(x,y) 29/117 g(x, y) f , h x , y d d n x, y 图像降质过程模型 图像的降质公式：
首先对降质函数H作以下假设： ①H是线性的 H[k f (x,y)+kf (x,y)]=k Hf (x,y)+kHf (x,y) ②H是空间（或移位）不变的 对任一个f(x,y)和任一个常数B都有： H f(x-a,y-B)=8(x-a,y-B) 就是说图像上任一点的运算结果只取决于该点的输入值， 而与坐标位置无关。 数字图像处要 ■■■■ ■■■ 30/117
首先对降质函数H作以下假设： H是线性的 H是空间（或移位）不变的 对任一个 和任一个常数 都有： H k f x, y k f x, y k Hf x, y k Hf x, y 1 1 2 2 1 1 2 2 f x y , 、 30/117 对任一个 和任一个常数 都有： 就是说图像上任一点的运算结果只取决于该点的输入值， 而与坐标位置无关。 f x y , 、 H f x y g x y ( - , - ) ( - , - )