图像复原matlab代码.docxVIP

逆滤波复原实现程序 %对运动模糊图像进行逆滤波复原 clear all I=imread(lena.bmp); LEN=10; THETA=5; PSF=fspecial(motion,LEN,THETA); Blurredmotion=imfilter(I,PSF,circular,conv); g=imnoise(Blurredmotion,gaussian,0,0.0001); wnr1=deconvwnr(g,PSF); figure(1),subplot;imshow(I); figure(2),subplot;imshow(Blurredmotion); figure(3),subplot;imshow(wnr1); 有约束最小二乘方复原的实现程序 clear all; clc; %通过模拟水平运动模糊建立退化函数 d=2; h=zeros(2*d+1,2*d+1); h(d+1,1:2*d+1)=1/(2*d); %模糊原图像并加入噪声 fig1=imread(lena.bmp); [m n]=size(fig1); fe=zeros(m+2*d,n+2*d); fe(1:m,1:n)=fig1; he=zeros(m+2*d,n+2*d); he(1:2*d+1,1:2*d+1)=h; F=fft2(fe); H=fft2(he); g=imnoise(uint8(ifft2(F.*H)),gaussian,0,0.0001); G=fft2(double(g)); %最小二乘平方滤波器 p=[0 1 0;1 -4 1; 0 1 0]; pp=zeros(m+2*d,n+2*d); pp(1:3,1:3)=p; p=fft2(pp); r=0.001; F_est=(conj(H)./(abs(H).^2+r.*abs(p).^2)).*G; fig_est=real(ifft2(F_est)); %显示结果 figure(1),imshow(fig1); figure(2),imshow(uint8(g(d+1:m+d,d+1:n+d)),[min(g(:)) max(g(:))]); figure(3),imshow(uint8(fig_est(1:m,1:n)),[min(fig_est(:)) max(fig_est(:))]); 3、维纳滤波复原实现程序 clear all; clc; %通过模拟水平运动模糊建立退化函数 d=2; h=zeros(2*d+1,2*d+1); h(d+1,1:2*d+1)=1/(2*d); %模糊原图像并加入噪声 fig1=imread(lena.bmp); [m n]=size(fig1); fe=zeros(m+2*d,n+2*d); fe(1:m,1:n)=fig1; he=zeros(m+2*d,n+2*d); he(1:2*d+1,1:2*d+1)=h; F=fft2(fe); H=fft2(he); g=imnoise(uint8(ifft2(F.*H)),gaussian,0,0.0001); G=fft2(double(g)); %维纳滤波器设计 k=0.1; F_est=((abs(H).^2)./(abs(H).^2+k)).*G./H; fig_est=real(ifft2(F_est)); %显示结果 figure(1),imshow(fig1); figure(2),imshow(g); figure(3),imshow(fig_est); 理工大学毕业论文 56 figure(1),imshow(g);title( 原图像 ); PSF=fspecial(gaussian,5,5); Blurred=imfilter(g,PSF,symmetric,conv); V=.0001; BlurredNoisy=imnoise(Blurred,gaussian,0,V); figure(2),imshow(BlurredNoisy);title( 模 糊 和 加 噪 图 ); luc1=deconvlucy(BlurredNoisy,PSF,50); figure(3),imshow(luc1);title( 复原图像， NUMIT=50); 5、客观评价三种方法实现程序（平均平方误差、峰值信噪比、归一化互相关） f0=fig1; %原图 %-------------------------------------- g1=x;%模糊图像 %--------------------------------- fima=y; %复原图像 [x_size,y_size]=size(g1) %模糊噪声图像参数 fima=double(fima); g1