運動模糊圖像的復(fù)原-課程設(shè)計

1、目 錄一、概述11.1課程設(shè)計目的11.2設(shè)計內(nèi)容2二、 圖像退化與復(fù)原32.1 圖像退化的數(shù)學(xué)模型42.2勻速直線運動模糊的退化模型52.3點擴(kuò)散函數(shù)PSF7三、 運動模糊圖象的復(fù)原方法及原理83.1逆濾波復(fù)原原理83.2維納濾波復(fù)原原理93.3 有約束最小二乘復(fù)原原理11四、運動模糊圖像復(fù)原的實現(xiàn)與比較124.1 運動模糊圖像復(fù)原的MATLAB實現(xiàn)124.2 復(fù)原結(jié)果比較16實驗小結(jié)17參考文獻(xiàn)17一 概述1.1課程設(shè)計目的圖像復(fù)原是在假定已知模糊或噪聲的模型時,試圖估計原圖像的一種技術(shù)，它是圖像處理中的重要內(nèi)容。它的主要目的就是改善圖像質(zhì)量，研究如從所得的變質(zhì)圖像中復(fù)原出真實圖像，或說是

2、研究如何從獲得的信息中反演出有關(guān)真實目標(biāo)的信息。圖像復(fù)原的目的是將退化的以及模糊的圖像的原有信息進(jìn)行恢復(fù)，以達(dá)到清晰化的目的。圖像退化是指圖像經(jīng)過長時間的保存之后，因發(fā)生化學(xué)反應(yīng)而使畫面的顏色以及對比度發(fā)生退化改變的現(xiàn)象，或者是因噪聲污染等導(dǎo)致圖畫退化的現(xiàn)象，或者是因為現(xiàn)場的亮暗范圍太大，導(dǎo)致暗區(qū)或者高光區(qū)信息退化的現(xiàn)象。圖像模糊則常常是因為運動以及攝像時鏡頭的散焦等原因所導(dǎo)致的。無論是圖像的退化還是圖像的模糊，本質(zhì)上都是原始信息部分丟失，或者原始信息與外來信息的相互混疊所造成的。因此，需根據(jù)退化模糊產(chǎn)生原因的不同，采用不同的圖像恢復(fù)方法達(dá)到圖像清晰化目的 近年來，在數(shù)字圖像處理領(lǐng)域，關(guān)于運動

3、模糊圖像的復(fù)原處理成為了國內(nèi)外研究的熱點問題之一，也出現(xiàn)了一些行之有效的算法和方法。但是這些算法和方法在不同的情況下，具有不同的復(fù)原效果。因為這些算法都是其作者在假定的前提條件下提出的，而實際上的模糊圖像，并不一定能夠滿足這些算法前提，或者只滿足其部分前提。作為一個實用的圖像復(fù)原系統(tǒng)，就得提供多種復(fù)原算法，使用戶可以根據(jù)情況來選擇最適當(dāng)?shù)乃惴ㄒ缘玫阶詈玫膹?fù)原效果。圖像復(fù)原關(guān)鍵是要知道圖像退化的過程，即要知道圖像退化模型，并據(jù)此采取相反的過程以求得原始(清晰)圖像。 運動造成圖像的退化是非常普遍的現(xiàn)象，而在眾多的應(yīng)用領(lǐng)域又需要清晰高質(zhì)量的圖像，所以對于退化后的圖像進(jìn)行復(fù)原處理非常具有現(xiàn)實意義。隨

4、著機(jī)器視覺和計算機(jī)主動視覺技術(shù)的發(fā)展，越來越多的成像系統(tǒng)傳感器必然要安裝在運動平臺上，這為各種運動模糊圖像的復(fù)原提供了極大的應(yīng)用空間。旋轉(zhuǎn)運動模糊圖像的復(fù)原是工作在旋轉(zhuǎn)運動平臺的成像系統(tǒng)必然遇到的問題，例如，隨彈體(或機(jī)體)作高速旋轉(zhuǎn)運動時的彈載(或機(jī)載)成像傳感器。顯然，安裝在導(dǎo)引頭上的彈載成像傳感器隨彈體一起作高速旋轉(zhuǎn)運動時，在對目標(biāo)場景進(jìn)行成像時，在短曝光時間內(nèi)，由于成像傳感器與目標(biāo)景物之間有相當(dāng)大的相對旋轉(zhuǎn)角度，因此所獲取的圖像模糊是很嚴(yán)重的，這給后繼的目標(biāo)識別工作帶來了很大的困難。這就需要運用運動模糊圖像的復(fù)原技術(shù)對退化后的圖像進(jìn)行恢復(fù)，從而得到清晰的圖像，為進(jìn)一步處理做好準(zhǔn)備。綜上

5、所述，無論在日常生活還是在國防軍工領(lǐng)域，運動造成圖像模糊現(xiàn)象普遍存在，這給人們生活和航空偵察等造成很多不便，所以很有必要對運動模糊圖像的恢復(fù)做深入研究。1.2設(shè)計內(nèi)容本文主要是關(guān)于運動模糊圖像復(fù)原算法實現(xiàn)及應(yīng)用的討論，主要要求有：1、創(chuàng)建一個仿真運動模糊PSF來模糊一幅圖像（圖像選擇合理）。2、針對退化設(shè)計出復(fù)原濾波器，對退化圖像進(jìn)行復(fù)原(復(fù)原的方法自定)。3、對退化圖像進(jìn)行復(fù)原，顯示復(fù)原前后圖像，對復(fù)原結(jié)果進(jìn)行分析，并評價復(fù)原算法。 通過課程設(shè)計提高我們分析問題、解決問題的能力，進(jìn)一步鞏固數(shù)字圖像處理系統(tǒng)中的基本原理與方法，可以進(jìn)行數(shù)字圖像應(yīng)用處理的開發(fā)設(shè)計。本文主要研究了直線運動模糊恢復(fù)，

6、對相關(guān)算法的恢復(fù)效果進(jìn)行了對比分析，給出了相關(guān)結(jié)論。闡述了直線運動模糊恢復(fù)的兩種算法:逆濾波法、維納濾波法。分別介紹了各種算法的原理。并對各種原理分別做了仿真實驗，給出了實驗結(jié)果，比較了各實驗效果。二 圖像退化與復(fù)原在圖像的獲取、處理與傳輸過程中，每一個環(huán)節(jié)都有可能引起圖像質(zhì)量的下降，這種導(dǎo)致圖像質(zhì)量下降現(xiàn)象，稱為圖像退化。造成圖像退化或者說使圖像模糊的原因很多，如果是因為在攝像時相機(jī)和被攝景物之間有相對運動而造成的圖像模糊則稱為運動模糊。所得到圖像中的景物往往會模糊不清，我們稱之為運動模糊圖像。運動模糊圖像在日常生活中普遍存在，給人們的實際生活帶來了很多不便。數(shù)字圖像在獲取的過程中，由于光學(xué)

7、系統(tǒng)的像差、 光學(xué)成像衍射、 成像系統(tǒng)的非線性畸變、 攝影膠片的感光的非線性、 成像過程的相對運動、 大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因， 圖像會產(chǎn)生一定程度的退化。因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來面目， 這就是圖像復(fù)原， 也稱為圖像恢復(fù)。圖像復(fù)原與圖像增強(qiáng)有類似的地方， 都是為了改善圖像。但是它們又有著明顯的不同。圖像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因， 分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型， 并沿著使圖 像降質(zhì)的逆過程恢復(fù)圖像。從圖像質(zhì)量評價的角度來看， 圖像 復(fù)原就是提高圖像的可理解性。而圖像增強(qiáng)的目

8、的是提高視感 質(zhì)量，圖像增強(qiáng)的過程基本上是一個探索的過程， 它利用人的心理狀態(tài)和視覺系統(tǒng)去控制圖像質(zhì)量， 直到人們的視覺系統(tǒng)滿意為止。 圖像復(fù)原是利用退化現(xiàn)象的某種先驗知識，建立退化現(xiàn)象的數(shù)學(xué)模型，再根據(jù)模型進(jìn)行反向的推演運算，以恢復(fù)原來的景物圖像。因而，圖像復(fù)原可以理解為圖像降質(zhì)過程的反向過程。建立圖像復(fù)原的反向過程的數(shù)學(xué)模型，就是圖像復(fù)原的主 要任務(wù)。經(jīng)過反向過程的數(shù)學(xué)模型的運算，要想恢復(fù)全真的景物圖像比較困難。所以， 圖像復(fù)原本身往往需要有一個質(zhì)量標(biāo) 準(zhǔn)， 即衡量接近全真景物圖像的程度，或者說，對原圖像的估 計是否到達(dá)最佳的程度。 由于引起退化的因素眾多而且性質(zhì)不同，為了描述圖像退化過程

9、所建立的數(shù)學(xué)模型往往多種多樣，而恢復(fù)的質(zhì)量標(biāo)準(zhǔn)也往往存在差異性，因此圖像復(fù)原是一個復(fù)雜的數(shù)學(xué)過程，圖像復(fù)原的方法、技術(shù)也各不相同。2.1 圖像退化的數(shù)學(xué)模型 圖像復(fù)原處理的關(guān)鍵問題在于建立退化模型。輸入圖像f(x, y)經(jīng)過某個退化系統(tǒng)后輸出的是一幅退化的圖像。為了討論方便， 把噪聲引起的退化即噪聲對圖像的影響一般作為加性噪聲 考慮， 這也與許多實際應(yīng)用情況一致，如圖像數(shù)字化時的量化 噪聲、 隨機(jī)噪聲等就可以作為加性噪聲，即使不是加性噪聲而 是乘性噪聲， 也可以用對數(shù)方式將其轉(zhuǎn)化為相加形式。原始圖像f(x, y) 經(jīng)過一個退化算子或退化系統(tǒng)H(x, y) 的作用， 再和噪聲n(x,y)進(jìn)行疊加

10、，形成退化后的圖像g(x, y)。圖2-1表示退化過程的輸入和輸出的關(guān)系，其中H(x, y)概括了退化系統(tǒng)的物理過程，就是所要尋找的退化數(shù)學(xué)模型。圖2-1 圖像的退化模型數(shù)字圖像的圖像恢復(fù)問題可看作是： 根據(jù)退化圖像g(x , y)和退化算子H(x , y)的形式，沿著反向過程去求解原始圖像f(x , y)， 或者說是逆向地尋找原始圖像的最佳近似估計。圖像退化的過程可以用數(shù)學(xué)表達(dá)式寫成如下的形式： g(x, y)=Hf(x, y)+n(x, y) (2-1)在這里，n(x, y)是一種統(tǒng)計性質(zhì)的信息。在實際應(yīng)用中， 往往假設(shè)噪聲是白噪聲，即它的頻譜密度為常數(shù)，并且與圖像不相關(guān)。 在圖像復(fù)原處理

11、中， 盡管非線性、 時變和空間變化的系統(tǒng)模型更具有普遍性和準(zhǔn)確性，更與復(fù)雜的退化環(huán)境相接近，但它給實際處理工作帶來了巨大的困難， 常常找不到解或者很難用計算機(jī)來處理。因此，在圖像復(fù)原處理中， 往往用線性系統(tǒng)和空間不變系統(tǒng)模型來加以近似。這種近似的優(yōu)點使得線性系統(tǒng)中的許多理論可直接用于解決圖像復(fù)原問題，同時又不失可用性。2.2勻速直線運動模糊的退化模型在所有的運動模糊中，由勻速直線運動造成圖象模糊的復(fù)原問題更具有一般性和普遍意義。因為變速的、非直線運動在某些條件下可以被分解為分段勻速直線運動。本節(jié)只討論由水平勻速直線運動而產(chǎn)生的運動模糊。假設(shè)圖象有一個平面運動，令和分別為在x和y方向上運動的變化

12、分量，T表示運動的時間。記錄介質(zhì)的總曝光量是在快門打開后到關(guān)閉這段時間的積分。則模糊后的圖象為： （2-2）式中g(shù)(x,y)為模糊后的圖象。以上就是由于目標(biāo)與攝像機(jī)相對運動造成的圖象模糊的連續(xù)函數(shù)模型。如果模糊圖象是由景物在x方向上作勻速直線運動造成的，則模糊后圖象任意點的值為： （2-3）式中是景物在x方向上的運動分量，若圖象總的位移量為a，總的時間為T，則運動的速率為=at/T。則上式變?yōu)椋?（2-4）以上討論的是連續(xù)圖象，對于離散圖象來說，對上式進(jìn)行離散化得： （2-5）其中L為照片上景物移動的像素個數(shù)的整數(shù)近似值。是每個像素對模糊產(chǎn)生影響的時間因子。由此可知，運動模糊圖象的像素值是原圖

13、象相應(yīng)像素值與其時間的乘積的累加。從物理現(xiàn)象上看，運動模糊圖象實際上就是同一景物圖象經(jīng)過一系列的距離延遲后再疊加，最終形成的圖象。如果要由一幅清晰圖象模擬出水平勻速運動模糊圖象，可按下式進(jìn)行： （2-6）這樣可以理解此運動模糊與時間無關(guān)，而只與運動模糊的距離有關(guān)，在這種條件下，使實驗得到簡化。因為對一幅實際的運動模糊圖象，由于攝像機(jī)不同，很難知道其曝光時間和景物運動速度。我們也可用卷積的方法模擬出水平方向勻速運動模糊。其過程可表示為： (2-7)其中 (2-8)h(x,y)稱為模糊算子或點擴(kuò)散函數(shù)，“*”表示卷積，表示原始(清晰)圖象，表示觀察到的退化圖象。如果考慮噪聲的影響，運動模糊圖象的退

14、化模型可以描述為一個退化函數(shù)和一個加性噪聲項，處理一幅輸入圖象產(chǎn)生一幅退化圖象。 (2-9)由于空間域的卷積等同于頻率域的乘積，所以式(2-9)的頻率域描述為： (2-10)式(2-9)中的大寫字母項是式(2-10)中相應(yīng)項的傅里葉變換。2.3點擴(kuò)散函數(shù)PSF不同的點擴(kuò)散函數(shù)（PSF）會產(chǎn)生不同的模糊圖象。明確的知道退化函數(shù)是很有用的，有關(guān)它的知識越精確，則復(fù)原結(jié)果就越好。首先討論幾個典型的點擴(kuò)散函數(shù)。運動模糊的點擴(kuò)散函數(shù)：假設(shè)圖象是通過一個具有機(jī)械快門的攝像機(jī)獲得的。攝像機(jī)和拍攝物體在快門打開期間T的相對運動引起物體在圖象中的平滑。假設(shè)V是沿x軸方向的衡常速度，時間T內(nèi)PSF的傅里葉變換H(

15、u,v)由下式給出： (2-11)離焦模糊的點擴(kuò)散函數(shù)：由于焦距不當(dāng)導(dǎo)致的圖象模糊可以用如下函數(shù)表示： (2-12)其中是一階Bessel函數(shù)，a是位移。該模型不具有空間不變性。大氣擾動的點擴(kuò)散函數(shù)：大氣的擾動造成的圖象模糊在遙感和天文中是需要復(fù)原的。它是由大氣的不均勻性使穿過的光線偏離引起的，以下給出了數(shù)學(xué)模型，其表達(dá)式為： (2-13)其中c是一個依賴擾動類型的變量，通常通過實驗來確定。冪5/6有時用1代替。當(dāng)我們得到一幅退化圖象的時候，首先要判斷其退化類型然后通過已知的先驗知識進(jìn)行恢復(fù)。以下的討論主要針對運動模糊PSF進(jìn)行。對于運動模糊而言，根據(jù)相機(jī)與目標(biāo)的相對運動速度，相機(jī)的焦距以及相

16、機(jī)相對目標(biāo)的距離等就可以計算出PSF。三 運動模糊圖象的復(fù)原方法及原理圖像復(fù)原是通過逆圖像退化的過程將圖像恢復(fù)為原始圖像狀態(tài)的過程，即圖像復(fù)原的過程是沿著圖像退化的逆過程進(jìn)行的。為了抑制退化而利用有關(guān)退化性質(zhì)知識的預(yù)處理方法為圖象復(fù)原。多數(shù)圖象復(fù)原方法是基于整幅圖象上的全局性卷積法。圖象的退化可能有多種原因：光學(xué)透鏡的殘次、光電傳感器的非線性、膠片材料的顆粒度、物體與攝像機(jī)間的相對運動、不當(dāng)?shù)慕咕?、遙感或天文中大氣的擾動、照片的掃描等等。圖象復(fù)原的目標(biāo)是從退化圖象中重構(gòu)出原始圖象。運動模糊圖象的恢復(fù)是圖象復(fù)原的主要分支之一，它的恢復(fù)算法有很多種。有些算法雖然有很好的恢復(fù)效果，但算法復(fù)雜，恢復(fù)時

17、間比較長（如最大熵法）。有些算法雖然計算速度較快，但恢復(fù)效果不盡人意（如空間域逆向恢復(fù)）。下面介紹逆濾波、維納濾波和有約束最小二乘濾波三種恢復(fù)方法的原理。3.1逆濾波復(fù)原原理在六十年代中期，逆濾波（去卷積）開始被廣泛地應(yīng)用于數(shù)字圖象復(fù)原。Nathan用二維去卷積方法來處理由漫游者、探索者等外星探索發(fā)射得到的圖象。由于和噪聲相比，信號的頻譜隨著頻率升高下降較快，因此高頻部分主要是噪聲。Nathan采用的是限定逆濾波傳遞函數(shù)最大值的方法。在同一時期，Harris采用PSF的解析模型對望遠(yuǎn)鏡圖象總由于大氣擾動造成的模糊進(jìn)行了逆濾波處理，Mcglamery則采用由實驗確定的PSF來對大氣擾動圖象進(jìn)行逆

18、濾波。從此以后，逆濾波就成了模糊圖象復(fù)原的一種標(biāo)準(zhǔn)技術(shù)?；謴?fù)退化圖象最簡單的方法是直接逆濾波。在該方法中，用退化函數(shù)除退化圖象的傅里葉變換F(u,v)來計算原始圖象的傅里葉變換估計，由式3-1可以得到逆濾波退化公式： （3-1）這個公式說明逆濾波對于沒有被噪聲污染的圖象很有效，這里不考慮在u，v空間的某些位置上當(dāng)H(u,v)接近0時可能遇到的計算問題，幸運的是忽略這些點在恢復(fù)結(jié)果中并不會產(chǎn)生可感覺到的影響。但是，如果出現(xiàn)噪聲就會引起幾個問題：第一，對于H(u,v)幅值比較小的頻率處噪聲的影響可能變得顯著起來。這種狀況通常對于高頻u，v。在實際中，通常H(u,v)幅值衰減得比N(u,v)快得多，

19、因此噪聲的影響可能支配整個復(fù)原結(jié)果。將復(fù)原限定在H(u,v)足夠大得u，v原點處得一個小鄰域中，可以克服這個問題。第二個問題針對噪聲本身的頻譜，我們通常沒有充分的有關(guān)噪聲的信息來足夠好地確定N(u,v)。為了克服H(u,v)接近0所引起的問題，在分母中加入一個小的常數(shù)k，將式(3-1)修改為： （3-2）3.2維納濾波復(fù)原原理在大部分圖象中，鄰近的像素是高度相關(guān)的，而距離較遠(yuǎn)的像素其相關(guān)性較弱。由此，我們可以認(rèn)為典型圖象的自相關(guān)函數(shù)通常隨著與原點的距離增加下降。由于圖象的功率譜是圖象本身自相關(guān)函數(shù)的傅里葉變換，我們可以認(rèn)為的功率譜隨著頻域的升高而下降。一般地，噪聲源往往具有平坦的功率譜，即使不

20、是如此，其隨著頻率的升而下降的趨勢也要比典型圖象的功率譜慢得多。因此，可以料想功率譜的低頻分以信號為主，然而高頻部分則主要被噪聲所占據(jù)。由于逆濾波濾波器的幅值常隨著頻率的升高而升高，因此會增強(qiáng)高頻部分的噪聲。為了克服以上缺點，出了采用最小均方誤差的方法（維納濾波）進(jìn)行模糊圖象恢復(fù)。維納(wiener)濾波可以歸于反卷積(或反轉(zhuǎn)濾波)算法一類，它是由Wiener首提出的，并應(yīng)用于一維信號，并取得很好的效果。以后算法又被引入二維信號理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原領(lǐng)域，由于維納濾波器的復(fù)原效良好，計算量較低，并且抗噪性能優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣泛的應(yīng)用并不斷得到改進(jìn)發(fā)展，許多高效的

21、復(fù)原算法都是以此為基礎(chǔ)形成的。如果取 (3-3)和分別是圖象和噪聲的自相關(guān)矩陣。即，并且都是正定對稱矩陣，則有 (3-4)的模方最小，實際上就意味著使噪聲和信號的比對復(fù)原圖象影響最小。因為圖象和噪聲的相關(guān)矩陣都是把圖象當(dāng)作隨機(jī)過程來研究，從而描述其統(tǒng)計特性的量，在這里最小二乘方的最佳已經(jīng)演變成均方誤差最小準(zhǔn)則下的最佳。同樣根據(jù)式(3-4)可求得頻域維納濾波公式如下 (3-5)=1時，為標(biāo)準(zhǔn)維納濾波器；1時，為含參維納濾波器。若沒有噪聲時即=0,維納濾波器則退化成理想反濾波器。實際應(yīng)用中必須調(diào)節(jié)以滿足式(3-4)。因為,實際很難求得因此，可以用一個比值k代替兩者之比，從而得到簡化的維納濾波公式

22、(3-6)3.3 有約束最小二乘復(fù)原原理由于大多數(shù)圖象恢復(fù)問題都不具有唯一解，或者說恢復(fù)具有病態(tài)特征。為了克服這一問題，通常需要在恢復(fù)過程中對運算施加某種約束。設(shè)對圖象施加某一線性運算Q，求在約束條件 （3-7）下，使為最小的作為原圖的最佳估計。利用拉格朗日乘數(shù)法，先構(gòu)造一輔助函數(shù)： （3-8）令可得： （3-9）解之得： （3-10）式中。把式(3-10)代入式(3-7)中可以證明，是的單調(diào)遞增函數(shù)。因此可以用迭代法求出滿足約束條件(3-7)式的待定系數(shù)，首先任取一個,代入(3-10)，把求得的再代入式(3-7)，若結(jié)果大于時，便減少；反之增大，再重復(fù)上述過程，直到約束條件式(3-11)被滿

23、足為止（實際求解時，只要能之差小于某一給定值就可以了）。把求得的代入，便最后求得最佳估計。我們可以直接從空間域的有約束最小二乘方恢復(fù)式(3-10)得到它的頻域解 (3-11)應(yīng)用有約束最小二乘方恢復(fù)方法時，只需有關(guān)噪聲均值和方差的知識就可對每幅給定的圖象給出最佳恢復(fù)結(jié)果。四 運動模糊圖像復(fù)原的實現(xiàn) 數(shù)字圖像在獲取的過程中，由于光學(xué)系統(tǒng)的像差、光學(xué)成像衍射、成像系統(tǒng)的非線性畸變、攝影膠片的感光的非線性、成像過程的相對運動、大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因，圖像會產(chǎn)生一定程度的退化.因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來面目，這就是圖像復(fù)原，也稱為圖像恢復(fù)。 圖

24、像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖像降質(zhì)的逆過程恢復(fù)圖像。前面講述的三種運動模糊圖像復(fù)原方法均可在matlab環(huán)境下實現(xiàn)，下面將對每一種方法進(jìn)行舉例。4.1 運動模糊圖像復(fù)原的MATLAB實現(xiàn) I=imread(2.jpg); %讀入清晰原圖像 figure(1);imshow(I,); %顯示原圖像 title(原圖像); PSF=fspecial(motion,40,75); %建立二維仿真線性運動濾波器PSF MF=imfilter(I,PSF,circular); %用PSF產(chǎn)生退化圖像

25、 noise=imnoise(zeros(size(I),gaussian,0,0.001); %產(chǎn)生高斯噪聲 MFN=imadd(MF,im2uint8(noise); figure(2);imshow(MFN,); %顯示模糊噪聲后的圖像 title(運動模糊圖像); NSR=sum(noise(:).1)/sum(MFN(:).1); %計算信噪比 figure(3); imshow(deconvwnr(MFN,PSF,NSR),); %顯示逆濾波復(fù)原圖像 title(逆濾波復(fù)原); figure(4); imshow(deconvwnr(MFN,PSF,NSR),); %顯示維納濾波復(fù)原圖像 title(維納濾波復(fù)原); NP=0.002