基于维纳滤波的模糊图像复原算法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：

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_灰度值

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_参考文献_02

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：

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_维纳滤波_03

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_维纳滤波_04

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：

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_灰度值_05

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

登录后复制

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PSFPSF = 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));figuresubplot(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PSNRPSNR = psnr(rgb2gray(Io),rgb2gray(Ipsf))%计算滤波之后的PSNRPSNR = psnr(rgb2gray(Io),rgb2gray(J))1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.

4.操作步骤与仿真结论

【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真_灰度值_06