Filter实现图像的去模糊（是一种图像的复原技术）.pdfVIP

DeblurringImagesUsingtheWienerFilter

采用WienerFilter实现图像的去模糊（是一种图像的复原技术）

Step1:读取图像（彩色图像）

I=imread(peppers.png);

I=I(10+[1:256],222+[1:256],:);

figure;imshow(I);

title(OriginalImage);

Step2:模拟运动模糊（一种非常常见的模糊，由于摄像机的抖动而产生的）

下面是加入一个31pixel，11度的运动模糊。

LEN=31;

THETA=11;

PSF=fspecial(motion,LEN,THETA);

Blurred=imfilter(I,PSF,circular,conv);

figure;imshow(Blurred);

title(Blurred);

Step3:恢复模糊的图像。

这里假定我们能够获得产生的运动模糊的模型（上一步中的运动模糊系统是已知

的，所以去卷积的时候采用上面的失真函数PSF）

wnr1=deconvwnr(Blurred,PSF);

figure;

imshow(wnr1);

title(Restored,TruePSF);

另外一种恢复的方法：我们不知到准确的失真函数，但是知道该模糊是由一个运

动角度（THETA）和速度（LEN），但是速度的模型是与实际的模型不相等，相差

一倍，这样我们一样可以构造该运动的模型，恢复的结果如下：

wnr2=deconvwnr(Blurred,fspecial(motion,2*LEN,THETA));

figure;

imshow(wnr2);imshow(wnr2);

如果速度是一半，恢复的结果如下（可以看到，恢复的结果只是将图像没有完全

恢复到原始的位置。所以出现了重影）：

wnra=deconvwnr(Blurred,fspecial(motion,LEN/2,THETA));

figure;

imshow(wnra);imshow(wnra);

同样的原理，我们再来看如果恢复中，运动的角度不够准确，结果如下（两倍的

角度）：

wnr3=deconvwnr(Blurred,fspecial(motion,LEN,2*THETA));

figure;

imshow(wnr3);

title(Restored,Steep);

Step4:下面讨论另外一种情况，对加性噪声图像的恢复

往步骤2产生的运动模糊图像中再加入加性噪声，

noise=0.1*randn(size(I));

BlurredNoisy=imadd(Blurred,im2uint8(noise));

figure;

imshow(BlurredNoisy);

title(BlurredNoisy);

Step5:对上面的模糊加性噪声图像恢复

（可以看出，恢复的效果很不好，主要原因是噪声的幅度没有很好的控制）

wnr4=deconvwnr(BlurredNoisy,PSF);

figure;imshow(wnr4);

title(InverseFilteringofNoisyData);

控制噪声的幅度NSR（噪信比Noise-Signal-Ratio）.

NSR=sum(noise(:).^2)/sum(im2double(I(:)).^2);

wnr5=deconvwnr(BlurredNoisy,PSF,NSR);

figure;imshow(wnr5);

title(RestoredwithNSR);

这里的效果明显好于没有控制噪声幅度的恢复情况。不同的NSR可以得到不同的

恢复结果。下面是NSR较小的时候得到的恢复结果：

wnr6=deconvwnr(BlurredNoisy,PSF,NSR/2);

figure;imshow(wnr6);

title(RestoredwithNSR/2);