Simonematlab图像复原算法
的有关信息介绍如下：
在一些实际应用中，由于噪声，畸变，系统误差等原因，使得图像并不能完全反映真实的景物，所以需要对图片进行恢复处理，想要对图片进行复原，首先需要了解图片退化的原因，根据原因建立退化模型，然后运用反过程来实现对图片的恢复，并用响应标准来判断图片恢复质量的好坏。Matlab也可以用于对图片进行恢复，图片恢复的主要方法有（1）逆滤波复原法（2）维纳滤波复原法（3）约束的最小二乘方滤波复原法（4）Lucy-Richardson滤波复原法（5）盲去卷积滤波法，下面就这些方法进行介绍：
(1)denconvwnr函数用于进行维纳滤波图像恢复，该函数调用函数如下：
J=denconvwnr(g,PSF,NACORR,FFACORR);
其中，g表示退化图像，J表示恢复图像，NACORR表示噪声自相关函数，FFACORR表示未退化图像的自相关函数
(2)deconvreg函数用于图像的最小二乘方滤波恢复，该函数的调用格式如下：
Deconvreg(I,PSF,NP,LRANGE,REGOP)
其中I表示输入图像，PSF表示点扩散函数，NP,LRANGE,REGOP是可选参数，分别表示图像的噪声强度，拉氏算子的搜索范围和约束算子。
(3)denconvlucy函数用于对图像进行Lucy-Richardson滤波复原，该函数的调用格式如下：
Fr=denconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT)
其中fr表示恢复图像，g表示退化图像，PSF点扩散函数，NUMEL表示迭代次数，DAMPAR表示恢复图像和原图像之间的差值，WEIGHT表示权重比
(4)deconvblind函数用于对图像进行盲去卷积滤波复原，该函数调用格式如下：
[fr,PSFe]=deconvblind(g,INITPSF);
其中g表示退化图像，INITPSF表示点扩散出错事故，PSFe表示函数最终计算的估算值，fr表示复原图像
逆滤波复原法
如果已知退化图像的傅立叶变换和系统脉冲响应函数（滤波传递函数）。则可以求出退化前图像的傅立叶变换，再利用傅立叶逆变换，得到退化前的图像，这就是逆滤波复原的基本原理。
示例：对图像进行逆滤波复原
编写对应的m文件如下：
clc;
I=imread('cameraman.tif');
subplot(2,2,1)
imshow(I);
title('原始图像')
[m,n]=size(I);
F=fftshift(fft2(I));
K=0.005;
H=[];
foru=1:m;
forv=1:n
p=(u-m/2)^2+(v-n/2)^2;
H(u,v)=exp((-K)*p);%%得到图像退化传递函数%%
end
end
T=F.*H;
I0=abs(ifft2(fftshift(T)));
subplot(2,2,2)
imshow(uint8(I0));
title('退化的图像');
I1=imnoise(uint8(I0),'gaussian',0,0.01);
subplot(2,2,3)
imshow(I1);
title('含有噪声的退化图像');
T1=fftshift(fft2(I1));
T2=T1./H;%%退化前的傅立叶变换%%
I2=ifft(fftshift(T2));
subplot(2,2,4);
imshow(uint8(I2));
title('逆滤波复原图像');
程序运行结果如下图：
维纳滤波复原法
维纳滤波就是最小二乘滤波，它是使原始图像与其恢复图像之间的均方误差最小的复原方法，对图像进行维纳滤波主要是为了消除图像中的噪声。
示例：利用维纳滤波器进行复原处理
编写对应的m文件如下：
clear all;
clc;
I=zeros(800,800);
I(300:500,500:600)=1;
noise=0.1*randn(size(I));
PSF=fspecial('motion',21,11);
Blurred=imfilter(I,PSF,'circular');
Blurrednoise=im2uint8(Blurred+noise);
NSR=sum(noise(:).^2)/sum(I(:).^2);%%信噪比倒数%%
NP=abs(fftn(noise)).^2;
NPOW=sum(NP(:))/prod(size(noise));
NCORR=fftshift(real(ifftn(NP)));
IP=abs(fftn(I)).^2;
IPOW=sum(IP(:))/prod(size(I));
ICORR=fftshift(real(ifftn(IP)));
ICORR1=ICORR(:,ceil(size(I,1)/2));
NSR=NPOW/IPOW;
subplot(2,2,1)
imshow(Blurrednoise,[]);
title('Blurred and noise图像');
subplot(2,2,2)
imshow(deconvwnr(Blurrednoise,PSF,NSR),[]);
title('deconvwnr(A,PSF,NSR)图像');
subplot(2,2,3)
imshow(deconvwnr(Blurrednoise,PSF,NCORR,ICORR),[]);
title('deconvwnr(A,PSF,NCORR,ICORR)图像');
subplot(2,2,4)
imshow(deconvwnr(Blurrednoise,PSF,NPOW,ICORR1),[]);
title('deconvwnr(A,PSF,NPOW,ICORR1)图像');
程序运行结果如下图：
约束的最小二乘方滤波复原法
约束最小二乘法是一种比较容易实现的线性复原的方法，除了要求关于退化系统的传递函数外，还需要知道某些噪声的统计特性，或者噪声与图像的相关性，
示例：对图像进行约束最小二乘方滤波恢复
编写对应的m文件如下：
clear all;
I=imread('trees.tif');
PSF=fspecial('gaussian',10,4);
Blurred=imfilter(I,PSF,'conv');
BN=imnoise(Blurred,'gaussian',0,0.01);
NP=0.01*prod(size(I));
[reg LAGRA]=deconvreg(BN,PSF,NP);
edged=edgetaper(BN,PSF);
reg2=deconvreg(edged,PSF,[],LAGRA);
subplot(2,2,1)
imshow(I);
title('原始图像');
subplot(2,2,2)
imshow(BN);
title('加入高斯噪声的图像');
subplot(2,2,3)
imshow(reg);
title('恢复后图像');
subplot(2,2,4)
imshow(reg2);
title('拉格朗日算子恢复图像');
程序运行结果如下图：
Lucy-Richardson滤波复原法
Lucy-Richardson算法是目前比较流行的一个算法，该算法是基于贝叶斯分析的迭代算法
示例：对图像进行Lucy-Richardson滤波恢复
编写对应的m文件如下：
clc;
I=imread('rice.png');
PSF=fspecial('gaussian',4,5);
Blurred=imfilter(I,PSF,'symmetric','conv');
BN=imnoise(Blurred,'gaussian',0,0.01);
luc=deconvlucy(BN,PSF,8);
subplot(2,2,1)
imshow(I);
title('原始图像');
subplot(2,2,2)
imshow(Blurred);
title('模糊后图像');
subplot(2,2,3)
imshow(BN);
title('含有噪声的图像');
subplot(2,2,4)
imshow(luc);
title('恢复后图像');
程序运行结果如下图：
盲去卷积滤波法
在PSF未知的情况下，盲去卷积滤波复原是实现图像恢复的有效方法，把不以PSF知识为基础的图像复原方法统称为盲去卷积滤波法
示例：对图像进行盲去卷积滤波复原
编写对应的m文件如下：
clc;
I=imread('eight.tif');
PSF=fspecial('motion',10,20);
Blurred=imfilter(I,PSF,'circ','conv');
INITPSF=ones(size(PSF));
[J P]=deconvblind(Blurred,INITPSF,15);
subplot(1,3,1)
imshow(I);
title('原始图像');
subplot(1,3,2)
imshow(Blurred);
title('模糊后图像');
subplot(1,3,3)
imshow(J);
title('恢复后图像');
程序运行结果如下图：
