python维纳滤波图像复原

维纳滤波是一种用于图像复原的经典方法，它可以抑制图像中的噪声并恢复被模糊的细节。下面是用Python进行维纳滤波图像复原的基本步骤：

1. 导入所需的库：

import cv2
import numpy as np
from matplotlib import pyplot as plt

2. 读取模糊图像：

img_blur = cv2.imread('blurred_img.jpg', 0)  # 以灰度图像方式读取模糊图像

3. 定义维纳滤波函数：

def wiener_filter(img_blur, kernel, K):
    kernel /= np.sum(kernel)  # 归一化卷积核
    f_img_blur = np.fft.fft2(img_blur)  # 对模糊图像进行傅里叶变换
    f_kernel = np.fft.fft2(kernel, s=img_blur.shape)  # 对卷积核进行傅里叶变换，并尺寸与模糊图像相同
    f_img_deblur = np.divide(f_img_blur, f_kernel + K)  # 维纳滤波公式的频域表示
    img_deblur = np.fft.ifft2(f_img_deblur)  # 对滤波结果进行反傅里叶变换
    img_deblur = np.abs(img_deblur).astype(np.uint8)  # 取绝对值并转为无符号整型
    return img_deblur

4. 创建维纳滤波所需的卷积核：

kernel_size = 15  # 卷积核大小
sigma = 2  # 卷积核标准差
kernel = cv2.getGaussianKernel(kernel_size, sigma)  # 创建高斯卷积核

5. 调用维纳滤波函数进行图像复原：

K = 0.01  # 维纳滤波的正则化参数
img_deblur = wiener_filter(img_blur, kernel, K)  # 调用维纳滤波函数进行图像复原

6. 显示原始模糊图像和复原图像：

plt.subplot(1, 2, 1)
plt.imshow(img_blur, cmap='gray')
plt.title('Blurred Image')
plt.xticks([]), plt.yticks([])

plt.subplot(1, 2, 2)
plt.imshow(img_deblur, cmap='gray')
plt.title('Deblurred Image')
plt.xticks([]), plt.yticks([])

plt.show()

这就是使用Python进行维纳滤波图像复原的基本步骤。你可以根据具体需求调整参数和优化算法，以获得更好的复原效果。