般的迭代公式为Р (13)Р当没有噪声污染的时,,我们可以得到以下的迭代公式Р (14)Р当含有噪声污染时,要实现对图像的降噪,这时,则我们可以用以下的方法求Р (15)Р对于所有的点,都为其降噪过程中的,其中这里的n代表的是迭代的次数,Р对于边界像素的处理采用下面的方法Р表示的是第n次迭代的结果,M和N表示的是图像的大小。在算法开始之前, 先将D 区域像素值初始化为随机噪声, 然后采用式(15)进行迭代, 当图像变化稳定时停止, 得到最终的修复结果。Р3.4 算法步骤РStep1: 读入待修复图像;РStep2: 设置迭代次数n 和梯度门限k,计算图像的掩码信息,对掩码中的每一个像素执行Step3、Step4、Step5;РStep3: 对掩码中每个像素点根据(12)式计算其周围参考点梯度的模和扩散函数的值。РStep4: 若像素位于待修复区域外,则不改变像素的值,否则,执行Step5;РStep5: 计算(15)式, 得到新的像素值, 并保存到新的图像中;РStep6: 重复上面的步骤, 迭代n次后结束并显示修复后的图像。Р四、实验结果及分析(实验程序见附录)Р我们对不同破损程度的图像按本文算法进行修复仿真实验。为了验证该算法的有效性,本章设计并实现了整体变分经典算法。Р实验的软件环境为:Рa)操作系统:Windows7 旗舰版;Рb)仿真软件:Matlab R2009b。Р 硬件环境Рa)处理器:Pentium(R) Dual-Core CPU E5300 @2.60GHz 2.60GHzРb)显卡:ATI Radeon HD4300 SeriesРc)硬盘:320GBРd)内存:2GB。Р实验一对同一幅图像的彩色和灰色中红块分别进行修复,取迭代次数1000次,修复结果如图3-1和3-2所示。Р图3-1(a)彩色待修复图像图3-1(b)子网掩码图3-1(c)修复的图像
全文预览
