%盲去卷積
%圖像復原中，困難的是得到PSF（PSF） 不以PSF復原圖像的方法 盲去卷積
%MLE 最大似然估計為基礎，用被隨機噪聲干擾的量進行估計的最優化策略
%將圖像數據看成是隨機量，它們與另一族可能的隨機量之間有某種似然性
%似然函數用g(x,y) f(x,y) h(x,y)來表達?

%deconvblind來執行盲區卷積
%[fr,PSFe]=deconvblind(g,INITPSF)
%g表示退化圖像，INITPSF時點擴散函數的初始估計 ?PSFe是這個函數最終計算得到的
%估計值，fr是利用估計的PSF復原的圖像 用來取得復原圖像的算法L-R迭代
%PSF估計受其初始推測尺寸的很大影響

%[fr,PSFe]=deconvblind(g,INITPSF,NUMIT,DAMPAR,WEIGHT)
% NUMIT迭代的次數 ?默認10次
%DAMPAR 是標量 ?指定了結果圖像同原圖像的偏離閾值
%當像素偏離原值的范圍在DAMPAR內，不用再迭代
%這即抑制了這些像素上的噪聲，又保存了必要的圖像細節
%WEIGHT是一個與g同樣大小的數組，它為每一個像素分配一個權重來反映其重量
%例如從某個有缺陷的成像組中得出的一個不良像素最終會被賦以權重值零，從而排除該像素來求解
%這個數組的另一個用處是可以根據平坦區域修正量調整像素的權重。
%當用一個指定的PSF來模擬模糊時，WEIGHT可以哦從計算像素中剔除那些來自圖像邊界的像素點
%復原圖想呈現振鈴，在復原之前使用edgetaper
clc
clear
g=imread('D:MATLAB圖像處理\亮度調節與空間濾波\11.jpg');
g=im2double(g);
% f=checkerboard(8);
PSF=fspecial('gaussian',7,10);%產生一個大小7*7 標準變差10的高斯PSF 點擴散函數
INITPSF=ones(size(PSF));
SD=0.01;
DAMPAR=10*SD;
% g=imnoise(imfilter(f,PSF),'gaussian',0,SD^2);
NUMIT=30;%迭代次數
LIM=ceil(size(PSF,1)/2);%4
WEIGHT=zeros(size(g));
WEIGHT(LIM+1 : end-LIM , LIM+1:end-LIM)=1;
[fr,PSFe]=deconvblind(g,INITPSF,NUMIT,DAMPAR,WEIGHT);
figure
% subplot(2,2,1)
% imshow(pixeldup(PSF,73),[])
subplot(2,2,2)
imshow(pixeldup(PSFe,73),[])
title('根據圖像估計的PSF擴散函數')
subplot(2,2,3)
imshow(g)
title('原圖')
subplot(2,2,4)
imshow(fr)
title('恢復的圖像')

總結

以上是生活随笔為你收集整理的MATLAN图像处理之盲去卷积的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。