1、運(yùn)動模糊圖像

2、逆濾波結(jié)果

3、計(jì)算噪信比K值濾波結(jié)果

4、調(diào)節(jié)噪信比K參數(shù)，顯示不同的維納濾波結(jié)果

clear; clc; close all;f = checkerboard(8); %調(diào)用棋盤板圖像%%將圖像的數(shù)據(jù)格式轉(zhuǎn)換為double型 f=im2double(f); %將灰度圖像由uint8轉(zhuǎn)為double%%建立退化模型 PSF = fspecial('motion',27,55); %對圖像進(jìn)行27個(gè)像素點(diǎn)，55度角的模糊建模 gb = imfilter(f,PSF,'circular'); %將圖像與退化模型疊加 %%添加噪聲 noise = imnoise(zeros(size(f)),'gaussian',0,0.0001);%高斯噪聲。均值為0，方差0.002 g = gb + noise; %添加噪聲的退化圖像%%當(dāng)K=0時(shí)，相當(dāng)于直接逆濾波 fr1 = deconvwnr(g,PSF); %%逆濾波 {維納濾波（退化圖像，點(diǎn)擴(kuò)散函數(shù)（退化模型），噪信比為0）}%%通過比率進(jìn)行維納濾波 Sn = abs(fft2(noise)).^2; %噪聲功率譜 nA = sum(Sn(:))/numel(noise); %噪聲平均功率 Sf = abs(fft2(f)).^2; %圖像功率譜 fA = sum(Sf(:))/numel(f); %圖像平均功率 K = sum(noise(:).^2)/sum(f(:).^2); %計(jì)算常數(shù)比率K fr2 = deconvwnr(g,PSF,K); %使用常數(shù)比率的維納濾波復(fù)原%%通過將自相關(guān)函數(shù)進(jìn)行維納濾波 NCORR = fftshift(real(ifft2(Sn))); %噪聲自相關(guān)函數(shù) ICORR = fftshift(real(ifft2(Sf))); %原圖像自相關(guān)函數(shù) fr3 = deconvwnr(g,PSF,NCORR,ICORR); %使用自相關(guān)函數(shù)的濾波結(jié)果%%形成一個(gè)3×3得窗口 subplot(2,3,1);imshow(f);title('原圖像'); subplot(2,3,2);imshow(gb);title('運(yùn)動模糊圖像'); subplot(2,3,3);imshow(noise,[ ]);title('高斯噪聲圖像'); subplot(2,3,4);imshow(fr1);title('逆濾波結(jié)果(有噪聲)'); subplot(2,3,5);imshow(fr2);title('計(jì)算噪信比K值濾波結(jié)果'); subplot(2,3,6);imshow(fr3);title('使用自相關(guān)函數(shù)的維納濾波結(jié)果');

?

總結(jié)

以上是生活随笔為你收集整理的数字图像处理实验九维纳滤波的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。