图像维纳滤波实现（1）

在图像复原应用中，在含有噪声的情况下进行简单的逆滤波会带来很大的失真，最常见的滤波方法就是维纳滤波。

在频率域中做滤波的话，根据表达式：

F(u,v)为滤波后清晰图像的傅里叶频谱图像，H(u,v)为模糊核频谱图像，G(u,v)为模糊图像频谱图像。

理解该公式有一点要求，就是上述三个频谱图像矩阵的维度必须一致，其实也就是模糊核和模糊图像一致就可以。计算时，取相对应位置上的值出来进行计算既可以，假设维度为300*400，也就是说要进行120000次该公式的计算就可以求出清晰图像频谱图，且这120000次计算之间相互独立不干扰，这点是很重要的，120000次计算可以并行执行，为计算提速带来了极大方便。

但是涉及具体计算时，我个人觉得存在一个问题，就是按照一般理解，模糊核比起图像来说是相对较小的，同时图像的傅里叶变换得到的频谱图像的大小是跟原始图像一样的，所以这里的H（u，v）和G（u，v）照理说是不同维数的，但是要能计算必须变成相同的维数。

这里理论上我不知道该怎么办。但是翻看matlab中deconvwnr.m发现代码中使用了psf2otf函数，将我们的点扩散函数变成了光传播函数（optical transfer function，otf），这个函数可以将otf变为你指定的大小。在后面的计算中就用这个作为模糊核的频谱图进行计算。

摘自百度百科的一句话：点扩展函数是一点光源经光学系统后所成的衍射斑分布的函数。它在空域表征光学系统的特性，传递函数在频域表征系统的特性。实际上两者有简单关系，即点扩展函数的傅里叶变换就是光学系统的传递函数。

但这里就存在一个疑问，我用matlab对相同的一个psf做fft和psf2otf，第一个得到的是一个复数矩阵，第二个得到的是一个实数矩阵。

 

 

转载于:https://www.cnblogs.com/ideawu1001/archive/2012/11/14/2770548.html