差不多就是这个理论,傅里叶变换之后除掉退化函数的傅里叶变换,就变回来了。
说是这么说,写出来就是这样。手写公式简单得多,人懒就是任性。
matlab代码。
clc
I=imread(‘src.png‘);
I0=rgb2gray(I);
subplot(231);
imshow(I0);
title(‘src‘);
[m,n]=size(I0);
F=fftshift(fft2(I0));
k=0.0025;
H=[];
for u=1:m
for v=1:n
q=((u-m/2)^2+(v-n/2)^2)^(5/6);
H(u,v)=exp((-k)*q);
end
end
G=F.*H;
I1=abs(ifft2(fftshift(G)));
subplot(232);
imshow(uint8(I1))
title(‘退化‘);
I2=imnoise(uint8(I1),‘gaussian‘,0,0.001);
subplot(233);
imshow(uint8(I2));
title(‘加噪声‘);
F0=fftshift(fft2(I2));
F1=F0./H;
I3=ifft(fftshift(F1));
subplot(236);
imshow(uint8(I3));
title(‘退化噪声复原‘)
F2=fftshift(fft2(I1));
F3=F2./H;
I4=ifft(fftshift(F3));
subplot(235);
imshow(uint8(I4));
title(‘退化复原‘)
F4=fftshift(fft2(I0));
I5=ifft(fftshift(F4));
subplot(234);
imshow(uint8(I5));
title(‘直接傅里叶变换回来‘)
上面主要是傅里叶除的矩阵要一样维度,所以给了个[m,n]的矩阵,好像局限性有点大。
我个人想是不是逆卷积的效果更好一点,主要是傅里叶变来变去的相位难以控制。
最后原因:
主要是这个效果,我相信这个是复原理论才是有鬼了。
参考《MATLAB图像处理超级学习手册》
原文:http://www.cnblogs.com/MnsterLu/p/5638102.html