基于MATLAB的运动模糊图像恢复技术

摘要：MATLAB是当今流行的科学计算软件，它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数，本文就这些函数的算法原理、运用和恢复处理效果结合实力效果作简要对比讨论。

1. 前言

图像复原时图像处理中一个重要的研究课题。图像在形成、传输和记录的过程中，由于传感器的噪声、摄像机未对好焦、摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响，使图像往往不是真实景物的完善影像。这种图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像质量下降的过程称为图像的退化。图像复原就是通过计算机处理，对质量下降的图像加以重建或恢复的过程。

图像复原过程一般为：找退化原因→建立退化模型→反向推演→图像复原

1. 算法产生概述

开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式（即空域形式、频域形式、矩阵-矢量形式或变换域形式）的相互转换，最后得到图像复原算式。

退化数学模型的空域、频域、矢量-矩阵表达形式分别是：

g(x,y)=d(x,y)*f(x,y)+n(x,y)

G(u,v)=D(u,v)·F(u,v)+N(u,v)

g=HF+n

其中：g(x,y)、d(x,y)、f(x,y)、n(x,y)分别为观测的退化图像、模糊函数、原图像、加性噪声，*为卷积运算符，（x=0,1,2，…，M-1），（y=0,1,2，…，N-1）。

1. 运动模糊的产生

景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。由du/dt=0,文献[5]将这种运动模糊过程描述为波动方程：

аu/аt+Vxаu/аx+ Vyаu/аy=0

其中，Vx=dx/dt, Vy=dy/dt为x,y方向上的速度分量并且通过分析该方程的达朗贝尔解得出结论：

vаu0/аx=u(x)-u(x-L)

其中v=