【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真

1.软件版本

MATLAB2021a
2.本算法理论知识

    利用维纳滤波器进行图像去抖去模糊的基本原理如下所示：

      对原始图像进行维纳滤波的算法是首先估计出每个像素点的M*N邻域内的平均值和方差值。有如下两个表达式计算：

      用如下的表达式计算输出的灰度值。其中a(n1,n2)是调整前的灰度值，b(n1,n2)是调整后的灰度值：

      以上这部分是维纳滤波的基本原理，在我们提供的一些参考文献中均有详细介绍，所以这里就不多做介绍了，我们主要是对后面的创新部分进行详细的说明。

运动模糊，所以，我们为了对比滤波性能的好坏，直接使用运动模糊来模拟抖动效果。然后进行滤波对比。

3.核心代码

clc;
clear;
close all;
warning off;
pack;



%读取原始的清晰图片
Io = imread('Image\11.jpg' ); 

%加入运动模糊
LEN   = 30; %模糊长度，即实际中的抖动幅度
THETA = 0;  %模糊角度，即实际中的抖动方向,%一般仅考虑水平抖动和垂直抖动
%产生抖动因子PSF
PSF     = fspecial( 'motion',LEN,THETA);
%产生抖动效果图
Ipsf    = imfilter(Io,PSF,'circular','conv');

%Ipsf为模拟拍摄输入的图像
K       = func_fuzzyness(Ipsf);

INITPSF      = ones(size(PSF));
%进行盲滤波，即不知道一直的抖动因子PSF 
[J,P]        = deconvblind(Ipsf,INITPSF,func_k(K));


figure
subplot(131);imshow(Io);title('原始图像');
subplot(132);imshow(Ipsf);title('模糊后的图像');
subplot(133);imshow(J);title('恢复后的图像');

%计算模糊图像的PSNR
PSNR = psnr(rgb2gray(Io),rgb2gray(Ipsf))
%计算滤波之后的PSNR
PSNR = psnr(rgb2gray(Io),rgb2gray(J))

4.操作步骤与仿真结论

5.参考文献

 A23-07

​