（1）了解圖像復(fù)原的目的及意義，加深對圖像復(fù)原理論的認(rèn)識。

（2）掌握維納濾波復(fù)原基本原理。

（3）掌握約束最小二乘方復(fù)原方法。

（4）掌握盲解卷積復(fù)原方法

二、實(shí)驗(yàn)內(nèi)容

?（1）維納濾波復(fù)原。

?（2）約束最小二乘方復(fù)原

?（3）盲解卷積復(fù)原

三、實(shí)驗(yàn)代碼及結(jié)果、分析

（1）維納濾波復(fù)原

• 代碼：

I=imread('E:\大三課件\大三下\數(shù)字圖像處理\實(shí)驗(yàn)\實(shí)驗(yàn)5\lena.jpg');

I=rgb2gray(I);

noise=5*randn(size(I)); ?????

noise = noise - min(min(noise));

J ?= double(I) +noise;

R1=wiener2(J,[10 10]); ???%未知噪聲

R2=wiener2(J,[10 10],noise); ?%已知噪聲分布

figure ?????

subplot(2,2,1),imshow(uint8(I));title('原始圖像'); ?????

subplot(2,2,2),imshow(uint8(J));title('退化圖像'); ?????

subplot(2,2,3),imshow(uint8(R1));title('盲復(fù)原');

subplot(2,2,4),imshow(uint8(R2));title('非盲復(fù)原');

• 結(jié)果：

• 分析：

?

（2）約束最小二乘方復(fù)原方法

• 代碼：

I=imread('E:\大三課件\大三下\數(shù)字圖像處理\實(shí)驗(yàn)\實(shí)驗(yàn)5\lena.jpg');

I=rgb2gray(I);I = im2double(I);[hei,wid,~] = size(I);

PSF = fspecial('motion', 21, 11);%攝像物體逆時(shí)針方向以11角度運(yùn)動了21個(gè)像素

blurred = imfilter(I, PSF, 'conv', 'circular');%運(yùn)動模糊圖像

% 逆濾波結(jié)果

If = fft2(blurred);Pf = psf2otf(PSF,[hei,wid]);deblurred =ifft2(If./Pf);

% 運(yùn)動模糊+高斯噪聲

noise_mean = 0;noise_var = 0.00001;

blurred_noisy = imnoise(blurred, 'gaussian',noise_mean, noise_var);

% 約束最小二乘法

p = [0 -1 0;-1 4 -1;0 -1 0];P = psf2otf(p,[hei,wid]);

gama = 0.002;%γ設(shè)置成0.001左右會有比較好的效果If = fft2(blurred_noisy);numerator = conj(Pf);

denominator = Pf.^2 + gama*(P.^2);

deblurred2 = ifft2( numerator.*If./ denominator );

subplot(2,3,1),imshow(I);title('原始圖像');

subplot(2,3,2), imshow(blurred); title('運(yùn)動模糊圖像');

subplot(2,3,3), imshow(deblurred); title('運(yùn)動模糊復(fù)原')

subplot(2,3,4), imshow(blurred_noisy),title('運(yùn)動模糊+噪聲圖像')

subplot(2,3,5), imshow(deblurred2),title('無約束最小二乘法復(fù)原');

subplot(2,3,6); imshow(deconvreg(blurred_noisy, PSF,0)); title('deconvreg函數(shù)復(fù)原');%自帶的去模糊deconvreg函數(shù)

• 結(jié)果：

• 分析：

1、fspecial('type', len,theta)函數(shù)，用于預(yù)定于濾波算子，type=motion為運(yùn)動算子，theta參數(shù)表示逆時(shí)針方向的角度，len表示運(yùn)動了len個(gè)像素

2、約束最小二乘方濾波效果比自帶的去模糊deconvreg函數(shù)好

3、約束最小二乘方濾波對高噪聲和中等噪聲產(chǎn)生結(jié)果要好于維納濾波，對于低噪聲兩種濾波產(chǎn)生結(jié)果基本相等

?

（3）盲解卷積復(fù)原方

• 代碼：

I=checkerboard(8);

PSF=fspecial('gaussian',7,10);

V=.0001;

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);

WT=zeros(size(I));

WT(5:end-4,5:end-4)=1;

INITPSF=ones(size(PSF));

FUN=inline('PSF+P1','PSF','P1');

[J P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0);

subplot(131);imshow(I);title('原圖像');

subplot(132);imshow(BlurredNoisy);title('運(yùn)動模糊+噪聲圖像');

subplot(133);imshow(J);title('盲去卷積');

• 結(jié)果：

• 分析：

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5图像复原的全部內(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(cuò)，歡迎將生活随笔推薦給好友。