MATLAB图像处理：图像复原技术（二）维纳滤波去运动模糊

CSDNhttps://mp.csdn.net/mp_blog/creation/editor/145659134

3. 图像去模糊技术

3.1 盲与非盲去模糊

• 非盲去模糊：已知PSF（如运动模糊核）
• 盲去模糊：同时估计PSF与复原图像

3.2 经典去模糊算法

维纳滤波（非盲去模糊）

MATLAB实现：

% 读取图像并转换为双精度类型
img = im2double(imread('cameraman.tif'));

% Step1: 生成水平运动模糊PSF（长度20像素，0度角）
psf = fspecial('motion', 20, 0);  

% Step2: 应用模糊（circular模式减少边界伪影）
blurred = imfilter(img, psf, 'conv', 'circular');

% Step3: 添加高斯噪声（方差0.001）
noisy_blurred = imnoise(blurred, 'gaussian', 0, 0.001);

% Step4: 估计噪声/信号功率比K（夹带先验知识）
estimated_nsr = 0.001 / var(img(:));  % K = 噪声方差 / 图像方差

% Step5: 执行维纳滤波
restored_wiener = deconvwnr(noisy_blurred, psf, estimated_nsr);


% 画图展示结果
figure;

% 显示原始图像
subplot(2, 2, 1);
imshow(img);
title('原始图像');

% 显示模糊图像
subplot(2, 2, 2);
imshow(blurred);
title('模糊图像');

% 显示添加噪声后的图像
subplot(2, 2, 3);
imshow(noisy_blurred);
title('模糊且添加噪声后的图像');

% 显示维纳滤波恢复后的图像
subplot(2, 2, 4);
imshow(restored_wiener);
title('维纳滤波恢复后的图像');

 

• fspecial('motion', len, theta): 定义运动模糊PSF，长度len（像素），角度theta（度）
• imfilter的circular选项：对图像进行周期性扩展，抑制边界暗边
• var(img(:))：计算原始图像方差（实际应用中通常未知，需通过统计估计）