MATLAB图像复原系统

matlab图像恢复

一、实验类型：验证性实验

二、实验目的

1. 掌握退化模型的建立方法。

2. 掌握图像恢复的基本原理。

三、实验设备：安装有MATLAB 软件的计算机

四、实验原理

一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。

I=imread(‘peppers.png’);

I=I(60+[1:256],222+[1:256],:);

figure;imshow(I);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

figure;imshow(Blurred);

MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。这4 个函数都以一个PSF 和模糊图像作为主要变量。deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。该函数采用优化技术和泊松统计量进行多次迭代。使用该函数，不需要提供有关模糊图像中附加噪声的信息。 deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。该函数除了返回一个修复后的图像以外，还返回一个修复后的PSF。下面以维纳滤波和约束去卷积为例说明图像恢复的实验原理。

deconvwnr	使用维纳滤波对图像恢复
deconvreg	对图像进行约束去卷积
deconvlucy	用Lucy-Richardson 算法实现图像恢复
deconvblind	用盲去卷积算法实现图像恢复

1. 维纳滤波

使用deconvwnr 函数可以利用维纳滤波方法恢复图像。在图像的频率特征和附加噪声已知的情况下，Wiener 滤波比较有效。本例演示了维纳滤波器的性能，同时也演示了PSF 的重要性。得到准确的PSF 时，恢复的结果会比较好。

I=imread(‘peppers.png’);

I=I(10+[1:256],222+[1:256],:);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

wnrl=deconvwnr(Blurred,PSF);

imshow(wnrl);

2. 约束去卷积

采用deconvreg 函数可以对图像进行约束去卷积。当知道附加噪声的部分信息时，使用约束去卷积实现图像恢复比较有效。

（1）将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。

I=imread('flowers.tif');

I=I(10+[1:256],222+[1:256],:);

figure;imshow(I);

（2 ）创建PSF

PSF=fspecial(‘gaussian’,11,5);

（3）模糊化图像并添加噪声。

Blurred=imfilter(I,PSF,’conv’);

V=0.02;

BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);

figure;imshow(BlurredNoisy);

（4 ）用deconvreg 函数恢复图像，指定PSF 和噪声幂次NP 。

NP=V*prod(size(I));

[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);

figure,imshow(reg1);

五、实验内容

选择一幅清晰图像，对该图像进行模糊化处理，然后分别采用逆滤波、 维纳滤波和约束去卷积恢复原来图像，比较各图像恢复方法的恢复效果。

六、实验步骤与结果

将一张图片保存在C盘，保存名为0.jpg

1、（1）选择一幅清晰图像，对该图像进行模糊化处理

I=imread(‘0.jpg’);

I=I(60+[1:256],222+[1:256],:);

figure;imshow(I);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

figure;imshow(Blurred);

结果如图所示：

原始图像 模糊化后的图像

（2）、使用deconvwnr 函数可以利用维纳滤波方法恢复图像。

I=imread(‘0.jpg’);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

wnrl=deconvwnr(Blurred,PSF);

imshow(wnrl);

结果如图所示：

2,、（1）将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。

I=imread('0.jpg');

figure;imshow(I);

结果如图所示：

（2）模糊化图像并添加噪声。

Blurred=imfilter(I,PSF,’conv’);

V=0.02;

BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);

figure;imshow(BlurredNoisy);

（3 ）用deconvreg 函数恢复图像，指定PSF 和噪声幂次NP 。

NP=V*prod(size(I));

[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);

figure,imshow(reg1);