逆滤波和维纳滤波（附Matlab完整代码）

一、实验目的

        利用逆滤波和维纳滤波，对Lena加噪运动模糊降质图像进行复原，比较不同参数选择对复原结果的影响。

二、实验内容

1)     输入Lena图像，对图像进行运动降质；降质模型：

2)     对图像叠加高斯白噪声；

3)     寻找最佳逆滤波半径r；

4)     逆滤波；

5)     IFFT，展示结果；

6)     再寻找最佳维纳滤波K值；

7)     维纳滤波；

8)     IFFT，展示结果。

三、实验过程和数学原理

1、逆滤波

        在无噪情况下，逆滤波是完美的：

    

        然而实际情况都有噪声：

        如果H(u,v)存在零点，那么在H(u,v)零点附近进行复原，会导致第二项变得很大很大，复原效果很差。

        理论上说，我们应该找出H(u,v)的所有零点，然后规避这些零点进行逆滤波。然而，降质模型零点十分分散（实际上是一条条斜线，实验中会看到），并且要作无数个圆区域，编程非常麻烦。

        实际编程中，我们采用如下思路：既然fft后的频谱中，信号频谱主要集中在低频分量，那么，我们用fftshift，将频谱移到中心；以频谱中心为圆心，规定一个圆区域，在圆内正常逆滤波；而圆外是大量的较小的噪声分量，不给任何机会，直接赋值为0。这样，我们就不需要考虑H(u,v)的零点影响了。

        此外，再通过PSNR最大准则，寻找最佳滤波半径R。实验结果如下：

        实验代码：

function Imagerestoration
%~~~~~~~~~~~~~~~~~~~~~~~~~~实验说明~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~%
% 1、由于T=5,a=b=1效果太差太差，几乎无法看到复原现象，因此本实验采用T=1,a=b=0.02降质模型。
% 2、作为实验讲义的补充，本实验加入均值为0、方差为1e-3的AGWN模型。
%       若方差过大，逆滤波效果也不理想。
% 3、一定要对fftshift后的频谱进行运动模糊处理！！！否则现象都是错误的！！！
%                                                                                                                                       2018-5-19 by XING
%~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~%
clear;close all;clc;
fprintf('-------------------------------逆滤波实验-------------------------------\n');
I = im2double(imread('lena512.bmp'));% [0,1]
[M,~] = size(I);% square

% Display the original image.
figure;
subplot(1,3,1), imshow(I);
title('\fontsize{20}原始图像');

%% Simulate a Motion Blur：H(u,v)
T=1;a=0.02;b=0.02;
v=[-M/2:M/2-1];u=v';
A=repmat(a.*u,1,M)+repmat(b.*v,M,1);
H=T/pi./A.*sin(pi.*A).*exp(-1i*pi