【图像去模糊】基于维纳滤波模糊图像复原算法的MATLAB仿真

1.软件版本

MATLAB2021a
2.本算法理论知识

利用维纳滤波器进行图像去抖去模糊的基本原理如下所示：

 ![](https://img-blog.csdnimg.cn/6e4849216b724e97ac29a07872e99180.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZnBnYSZtYXRsYWI=,size_9,color_FFFFFF,t_70,g_se,x_16)

![](https://img-blog.csdnimg.cn/8093fe9b5ebb476ca04b642488b85226.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZnBnYSZtYXRsYWI=,size_15,color_FFFFFF,t_70,g_se,x_16)

  对原始图像进行维纳滤波的算法是首先估计出每个像素点的M*N邻域内的平均值和方差值。有如下两个表达式计算：

 ![](https://img-blog.csdnimg.cn/dfe600bd32cc4f1995a461ba0ee97909.png)

 ![](https://img-blog.csdnimg.cn/7c28bf5857f64b6caaffd1dff8342274.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZnBnYSZtYXRsYWI=,size_9,color_FFFFFF,t_70,g_se,x_16)

  用如下的表达式计算输出的灰度值。其中a(n1,n2)是调整前的灰度值，b(n1,n2)是调整后的灰度值：

 ![](https://img-blog.csdnimg.cn/55c261507f4349c6b95c57b0a632a2ae.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZnBnYSZtYXRsYWI=,size_11,color_FFFFFF,t_70,g_se,x_16)

  以上这部分是维纳滤波的基本原理，在我们提供的一些参考文献中均有详细介绍，所以这里就不多做介绍了，我们主要是对后面的创新部分进行详细的说明。

  注意：由于手机拍摄抖动导致的模糊，在数学上属于运动模糊，所以，我们为了对比滤波性能的好坏，直接使用运动模糊来模拟抖动效果。然后进行滤波对比。

3.核心代码

clc;
clear;
close all;
warning off;
pack;

%读取原始的清晰图片
Io = imread('Image\11.jpg' ); 

%加入运动模糊
LEN   = 30; %模糊长度，即实际中的抖动幅度
THETA = 0;  %模糊角度，即实际中的抖动方向,%一般仅考虑水平抖动和垂直抖动
%产生抖动因子PSF
PSF     = fspecial( 'motion',LEN,THETA);
%产生抖动效果图
Ipsf    = imfilter(Io,PSF,'circular','conv');

%Ipsf为模拟拍摄输入的图像
K       = func_fuzzyness(Ipsf);

INITPSF      = ones(size(PSF));
%进行盲滤波，即不知道一直的抖动因子PSF 
[J,P]        = deconvblind(Ipsf,INITPSF,func_k(K));

figure
subplot(131);imshow(Io);title('原始图像');
subplot(132);imshow(Ipsf);title('模糊后的图像');
subplot(133);imshow(J);title('恢复后的图像');

%计算模糊图像的PSNR
PSNR = psnr(rgb2gray(Io),rgb2gray(Ipsf))
%计算滤波之后的PSNR
PSNR = psnr(rgb2gray(Io),rgb2gray(J))

4.操作步骤与仿真结论

5.参考文献

A23-07
6.完整源码获得方式

订阅MATLAB/FPGA教程，免费获得教程案例以及任意2份完整源码