MATLAB平台下的光纤通信仿真分析

（1）通过阈值化的处理，识别亮的部分（也即网格的部分），

（2）对图像进行中值滤波，

（3）步骤 1 获得的网格的部分，由步骤

（2）的结果所取代； clear, clcI = imread('./grid.png');grid = I > 125;filtered = medfilt2(I, [80, 80]); % 当然也不一定非得是中值滤波，也可以采用其他插值形式I(grid) = filtered(grid);imshow(I)1.2.3.4.5.6.7.3. 运动图像去模糊 ​ 使用维纳滤波； function deblurred(im, a, b, NSPR)i = imread(im);f = im2double(i);PSF = fspecial('motion', a, b); % point spread function (PSF)frest1 = deconvwnr(f, PSF, NSPR); % NSR is the noise-to-signal power ratio of the additive noise. % NSR can be a scalar or a spectral-domain array of the same size as I. subplot(221),imshow(f); title('原图像');subplot(222),imshow(frest1); title('维纳滤波处理后图像'); end1.2.3.4.5.6.7.8.9.10.11. PSF = fspecial(‘motion’,len,ang); %建立扩散子，其中len是模糊长度，ang是模糊角度；img2=deconvlucy(img,PSF,n); %用lucy-richardson方法复原图像，其中img是运动模糊图像，PSF是扩散子，n是迭代次数，img2是复原图像 一般模糊图像的模糊距离和模糊角度不好判断，但也可以通过查看图像的频谱图和实部二维图来大致估： % 求角度img_fft=fftshift(fft2(img_gray));N=abs(img_fft);P=(N-min(min(N)))/(max(max(N))-min(min(N)))*225;figure;imshow(P);% 求长度h=fspecial('sobel');img_double=double(img_gray);J=conv2(img_double,h,'same');IP=abs(fft2(J));S=fftshift(real(ifft2(IP)));figure;plot(S);1.2.3.4.5.6.7.8.9.10.11.12.13.

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删