逆滤波复原matlab,基于matlab的退化图像复原（二）------逆滤波复原

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