对经过大气湍流退化的图片实现全逆滤波复原、维纳滤波复原、约束最小二乘滤波复原，并对比不同k值下的滤波效果(Matlab)。

全逆滤波、维纳滤波和约束最小二乘滤波都是常见的图像复原方法。其中，全逆滤波是将退化处理（比如模糊、降噪等）过程看成线性系统，通过求解其逆来实现图像复原；维纳滤波则是在全逆滤波的基础上考虑了信噪比（SNR）的影响，通过加权来平衡图像复原的效果和噪声的抑制；约束最小二乘滤波则是通过在求解全逆滤波的过程中引入约束条件（比如图像的平滑性）来避免过度拟合的问题。

在实现这三种滤波方法之前，需要先对退化的图像进行处理，比如估计退化系统的传递函数。在此之后，可以使用Matlab中的函数来实现这些滤波方法，比如`deconvwnr`函数实现维纳滤波，`deconvreg`函数实现约束最小二乘滤波等。

下面是针对不同k值下的滤波效果的代码示例：

% 读入退化的图像
I = imread('degraded_image.png');

% 估计退化系统的传递函数
h = fspecial('motion', 20, 45);
% 对图像进行模糊处理
blurred = imfilter(I, h, 'conv', 'circular');

% 全逆滤波
inverse = deconvwnr(blurred, h, 0);
% 维纳滤波
wnr = deconvwnr(blurred, h, 0.01);
% 约束最小二乘滤波
reg = deconvreg(blurred, h, 0.01);

% 显示结果
figure;
subplot(2, 2, 1), imshow(I), title('原始图像');
subplot(2, 2, 2), imshow(blurred), title('退化图像');
subplot(2, 2, 3), imshow(inverse), title('全逆滤波');
subplot(2, 2, 4), imshow(wnr), title('维纳滤波');
subplot(2, 2, 5), imshow(reg), title('约束最小二乘滤波');

在上面的代码中，我们使用了`fspecial`函数来生成一个退化系统的传递函数，即一个运动模糊滤波器。然后，我们对原始图像进行模糊处理，得到一个退化的图像。接着，我们使用`deconvwnr`和`deconvreg`函数来实现维纳滤波和约束最小二乘滤波，并调整参数`k`的值来观察不同的滤波效果。最后，我们将结果显示出来，可以直观地比较不同滤波方法的效果。

需要注意的是，在实际应用中，不同的退化系统和噪声特性会对滤波效果产生不同的影响，因此需要根据具体情况来选择合适的滤波方法和参数。