matlab 维纳滤波器算法实现

Function Code

function aOut = WienerFilter(aIn,k,a,b,T)
%这仅仅是一个维纳滤波器
%k(默认为0.001)--->加到Huv2所有项上的一个规定常数，根据情况选择大小
%a(默认为0.1)--->x方向最大移动量（运动模糊图片）
%b(默认为0.1)--->y方向最大移动量（运动模糊图片）
%T(默认为1)--->移动到最大所需的时间
%aOut--->输出图像

%输入参数接收及预定义
if nargin == 1
    k = 0.005;
    a = 0.1;
    b = 0.1;
    T = 1;
elseif nargin == 2
    a = 0.1;
    b = 0.1;
    T = 1;
elseif nargin == 3
    b = 0.1;
    T = 1;
elseif nargin == 4
    T = 1;
end

%读入退化图像并进行图像预处理
a1 = double(aIn);
% figure,imshow(a1,[])%-------------图像---------------

%生成退化图像频谱图Guv（禁止填充）
[ra,ca] = size(a1);
[X,Y] = meshgrid(0:ca-1,0:ra-1);
Guv = fft2(a1.*(-1).^(X+Y));
% figure,imshow(log(abs(Guv)+1),[])%-------------图像---------------

%生成退化传递函数Huv
uaPvb = (Y-floor(ra/2)).*a+(X-floor(ca/2)).*b+eps;
Huv = T.*sin(pi.*uaPvb).*exp(-1j.*pi.*uaPvb)./(pi.*uaPvb);
Huv2 = abs(Huv).*abs(Huv);

%估计函数公式
Fuv = (Huv2./(Huv2+k)./Huv).*Guv;

%将得到的估计函数进行逆傅里叶变换
FxyShift = ifft2(Fuv);
Fxy = real(FxyShift).*(-1).^(X+Y);
% figure,imshow(Fxy,[])%-------------图像---------------
aOut = Fxy;
end

Demo Code

clear
close all

aIn3 = imread("paper3.jpg");
aIn2 = imread("paper2.jpg");
aIn1 = imread("paper1.jpg");

a3 = double(aIn3);
a2 = double(aIn2);
a1 = double(aIn1);

k3 = 0.001;
k2 = 0.0001;
k1 = 0.00001;

a = 0.1;
b = 0.1;
T = 1;

aOut3 = WienerFilter(a3,k3,a,b,T);
aOut2 = WienerFilter(a2,k2,a,b,T);
aOut1 = WienerFilter(a1,k1,a,b,T);

figure
subplot(231),imshow(a3,[]),title("严重噪声")
subplot(232),imshow(a2,[]),title("中度噪声")
subplot(233),imshow(a1,[]),title("轻微噪声")
subplot(234),imshow(aOut3,[]),title("k = "+string(k3))
subplot(235),imshow(aOut2,[]),title("k = "+string(k2))
subplot(236),imshow(aOut1,[]),title("k = "+string(k1))

Figure

说明：由于屏幕大小限制，噪声图像缩小后更加模糊

1、k3 = 0.05;k2 = 0.005;k1 = 0.001;

2、k3 = 0.01;k2 = 0.01;k1 = 0.008;

3、k3 = 0.1;k2 = 0.1;k1 = 0.1;

4、k3 = 0.001;k2 = 0.0001;k1 = 0.00001;

Conclusion

k值的过于增大，噪声明显被抑制，但是图像会变得更加模糊！

k值过于减小，会加强噪声，使噪声放大！

需要多次实验才能找到适合的k值！