信息处理 - 图像修复和图像去噪有什么区别？ - 吾爱随笔录

信息处理图像处理噪音图片

2022-02-13 10:29:19

他们俩似乎都在做同样的任务。只要图像中的像素值指的是原始图像中不存在的东西，我们就称该像素受噪声影响。如果这个噪声较小，我们应用降噪。当像素指的是完全随机的值时，我们应用图像修复。

那么图像修复只是图像去噪的一种极端情况吗？

此外，如果大部分像素受到影响，我们称之为“噪声”，需要应用去噪算法；而当一小部分像图像上的划痕一样受到影响时，我们会应用修复技术。但我的问题是：那个划痕也只能算是一种噪音。那么为什么我们不把这个过程称为图像去噪呢？

2个回答

修复解决了丢失数据的二元问题。这些被屏蔽或丢失的像素不包含重建中使用的信息。此外，是否假设非缺失像素保持原样。

去噪通常是指所有像素都包含一些噪声分量的情况，它往往也有一些独立于图像内容的全局先验。该算法试图从所有像素中去除噪声，并使用这些噪声像素内部的信息进行重建和估计。

这些问题并非不相关，并且可以简化为彼此的私人极端情况，但通常它们解决不同类型的问题。

在我看来，两者都可以称为恢复问题：其中是观察值，是原始图像，是一个线性退化算子，可以表示卷积（图像模糊，低分辨率图像等），掩蔽，混合等，是观察噪声。

Y = R (I) + N

$Y = R(I) + N$

Y \in R^{m \times n}

$Y\in \mathbb{R}^{m\times n}$

I \in R^{m_{0} \times n_{0}}

$I\in \mathbb{R}^{m_0\times n_0}$

R : R^{m_{0} \times n_{0}} \mapsto R^{m \times n}

$R: \mathbb{R}^{m_0\times n_0} \mapsto \mathbb{R}^{m\times n}$

N

$N$

通过去噪，这意味着 $R=I$ 身份投影和 $m_0=m, n_0=n$ .

通过修复，这意味着 $R$ 是一些掩蔽和选择运算符。

其它你可能感兴趣的问题