DeblurringImagesUsingtheWienerFilter.docVIP

Deblurring Images Using the Wiener Filter 采用Wiener Filter实现图像的去模糊（是一种图像的复原技术） Step 1: 读取图像（彩色图像） I = imread(peppers.png); I = I(10+[1:256],222+[1:256],:); figure;imshow(I); title(Original Image); Step 2: 模拟运动模糊（一种非常常见的模糊，由于摄像机的抖动而产生的） 下面是加入一个31pixel，11度的运动模糊。 LEN = 31; THETA = 11; PSF = fspecial(motion,LEN,THETA); Blurred = imfilter(I,PSF,circular,conv); figure; imshow(Blurred); title(Blurred); Step 3: 恢复模糊的图像。 这里假定我们能够获得产生的运动模糊的模型（上一步中的运动模糊系统是已知的，所以去卷积的时候采用上面的失真函数PSF） wnr1 = deconvwnr(Blurred,PSF); figure; imshow(wnr1); title(Restored, True PSF); 另外一种恢复的方法：我们不知到准确的失真函数，但是知道该模糊是由一个运动角度（THETA）和速度（LEN），但是速度的模型是与实际的模型不相等，相差一倍，这样我们一样可以构造该运动的模型，恢复的结果如下： wnr2 = deconvwnr(Blurred,fspecial(motion,2*LEN,THETA)); figure; imshow(wnr2); title(Restored, Long PSF); 如果速度是一半，恢复的结果如下（可以看到，恢复的结果只是将图像没有完全恢复到原始的位置。所以出现了重影）： wnra = deconvwnr(Blurred,fspecial(motion,LEN/2,THETA)); figure; imshow(wnra); title(Restored, Short PSF); 同样的原理，我们再来看如果恢复中，运动的角度不够准确，结果如下（两倍的角度）： wnr3 = deconvwnr(Blurred,fspecial(motion,LEN,2*THETA)); figure; imshow(wnr3); title(Restored, Steep); Step 4: 下面讨论另外一种情况，对加性噪声图像的恢复 往步骤2产生的运动模糊图像中再加入加性噪声， noise = 0.1*randn(size(I)); BlurredNoisy = imadd(Blurred,im2uint8(noise)); figure; imshow(BlurredNoisy); title(Blurred Noisy); Step 5: 对上面的模糊加性噪声图像恢复 （可以看出，恢复的效果很不好，主要原因是噪声的幅度没有很好的控制） wnr4 = deconvwnr(BlurredNoisy,PSF); figure;imshow(wnr4); title(Inverse Filtering of Noisy Data); 控制噪声的幅度NSR（噪信比Noise-Signal-Ratio）. NSR = sum(noise(:).^2)/sum(im2double(I(:)).^2); wnr5 = deconvwnr(BlurredNoisy,PSF,NSR); figure;imshow(wnr5); title(Restored with NSR); 这里的效果明显好于没有控制噪声幅度的恢复情况。不同的NSR可以得到不同的恢复结果。下面是NSR较小的时候得到的恢复结果： wnr6 = deconvwnr(BlurredNoisy,PSF,NSR/2); figure;imshow(wnr6); title(Restored with NSR/2);