MATLAB在图像去模糊中的应用论文.docxVIP

　安阳师范学院本科学生MATLAB论文（?MATLAB在图像去模糊中的应用）作　　者　周**　系（院）　计算机与信息工程学院 专　　业　信息管理与信息系统 　年　　级　2012级学　　号　120903024 指导教师　 王** 日　　期　2015年06月20日 　MATLAB在图像去模糊中的应用周亚楠（安阳师范学院 计算机与信息工程学院 河南 安阳 455000)摘要:图像复原或滤波技术的发展己经历了约40年的历史,现代图像复原技术的应用领域非常广泛。在图像成像、复制、扫描、传输、显示等过程中,不可避免地要造成图像降质,如图像模糊、噪声的干扰等。而在许多应用领域中,又需要清晰的、高质的图像,因此,图像复原(如去噪、去模糊等)具有重要的意义。图像复原是对降质图像进行处理,改善给定的图象质量,使其恢复成没有退化的理想图像。它是图像处理、模式识别、机器视觉的基础,并在天文学、遥感成像、医疗图像等领域获得广泛的应用。在图像处理领域,图像复原是最重要、最基本的研究课题之一,具有重要的理论价值和实际意义。关键词: 复原或滤波;高斯模糊;维纳滤波;中值滤波一、引言由于自然条件或者拍摄技术的限制，是的很多图像的质量很低，存在模糊，掩盖了图像的真实信息。图像的去模糊技术就是消除图像的模糊，产生一幅清晰的图像。图像是对客观对象的一种相似性的、生动性的描述或写真。然而数字图像处理是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接收系统所需要的图像过程。我们使用人工产生的点扩散函数和附加噪声来模拟模糊噪声图像的生成，并使用各种去噪声的方法，以进行去模糊的效果的比较。利用MATLAB进行图像处理，利用各种实用函数实现图像去模糊功能的实现。二、实验部分2、1实验环境机房 Windows Matlab 7.0 2、2实验内容 完成实验问题： 在MATLAB中，利用MATLAB各种函数实现图像去模糊功能的实现并输出结果。使用去模糊函数对图像进行去模糊，分别是deconvwnr、deconverg。2、3实验步骤I = imread(peppers.png);%读取图像I = I(10+[1:256],222+[1:256],:);%选定图像的范围figure(1); imshow(I);%显示原图像title(Original Image);LEN = 31; THETA = 11;PSF = fspecial(motion,LEN,THETA);%产生运动模糊函数blurred = imfilter(I,PSF,circular,conv);%产生运动模糊图像figure(2); subplot(221), imshow(blurred);%显示运动模糊图像title(Blurred);wnr1 = deconvwnr(blurred,PSF);%使用维纳滤波器进行滤波subplot(222); imshow(wnr1);%显示维纳滤波器后滤波的图像title(Restored, True PSF);wnr2 = deconvwnr(blurred,... fspecial(motion,2*LEN,THETA));%使用两倍长度的点扩散函数进行维纳滤波subplot(223); imshow(wnr2); %显示恢复的图像title(Restored, Long PSF);wnr3 = deconvwnr(blurred,... fspecial(motion,LEN,2*THETA));%使用两倍角度的点扩散函数进行维纳滤波subplot(224); imshow(wnr3); %显示恢复的图像title(Restored, Steep);noise = 0.1*randn(size(I));%生成随机噪声blurredNoisy = imadd(blurred,im2uint8(noise));%模糊图像加入随机噪声figure(3); subplot(221)imshow(blurredNoisy);%显示加入噪声的模糊图像title(Blurred Noisy);wnr4 = deconvwnr(blurredNoisy,PSF);%使用维纳滤波器进行滤波subplot(222),imshow(wnr4);%显示恢复后的图像title(Inverse Filtering of Noisy Data);NSR = sum(noise(:).^2)/sum(im2double(I(:)).^2);%计算噪声信号功率比wnr5 = deconvwnr(blurredNoisy,PSF,NSR);%加入NSR参数使用维纳滤波器滤波subplot(223); imshow(wnr5);%显示恢复后的图像title(Restored