import numpy as np
from numpy.fft import fft2, fftshift, ifft2, ifftshift
import matplotlib.pyplot as plt
from skimage import io
f = io.imread('aerial_view.tif')
plt.figure(figsize=(12,4))
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.subplot(131), io.imshow(f), plt.axis('off'), plt.title('鸟瞰图像')
# 以下模拟图像模糊退化
[r,c] = f.shape;
u = np.arange(r).reshape((-1,1)) - np.ceil(r/2)
v = np.arange(c)-np.ceil(c/2)
a = 0.1; b = 0.1; T = 1;
uavb = np.pi*(u*a + v*b) #广播机制得到矩阵
uavb[uavb==0]=1e-20
H = T*np.sin(uavb)/uavb*np.exp(-1j*uavb); # 退化函数
g = ifft2(fftshift(H)*fft2(f));
g = np.uint8(np.real(g))
plt.figure(figsize=(8,8))
plt.subplot(122), io.imshow(g), plt.axis('off')
plt.show()
# 以下模拟维纳滤波
G1 = fftshift(fft2(g))
K = 0.0001
H_conj = np.conj(H)
F_hat = G1*H_conj/(np.abs(H)**2+K)
f1 = np.real(ifft2(ifftshift(F_
自选一幅灰度图像,对其模拟运动模糊造成的退化;然后用逆滤波或维纳滤波对其复原
最新推荐文章于 2022-08-24 10:13:36 发布