维纳滤波复原matlab书上代码

以下是使用Matlab实现维纳滤波复原的示例代码：

% 读取图像
img = imread('lena.png');
% 将图像转换为灰度图像
img_gray = rgb2gray(img);
% 添加高斯噪声
img_noisy = imnoise(img_gray, 'gaussian', 0, 0.01);

% 显示原始图像和带噪声的图像
subplot(1, 2, 1), imshow(img_gray), title('Original Image');
subplot(1, 2, 2), imshow(img_noisy), title('Noisy Image');

% 计算噪声功率谱
[m, n] = size(img_noisy);
Pn = abs(fft2(im2double(img_noisy))).^2/(m*n);

% 计算原始图像的功率谱
img_fft = fft2(im2double(img_gray));
Ps = abs(img_fft).^2/(m*n);

% 计算 Wiener 滤波器的频域函数
K = 0.01;
H = conj(img_fft)./(abs(img_fft).^2 + K*Pn);

% 对带噪声的图像进行维纳滤波复原
img_wiener = abs(ifft2(H.*fft2(im2double(img_noisy))));

% 显示维纳滤波复原后的图像
figure, imshow(img_wiener), title('Wiener Filtered Image');

在这个示例中，我们首先读取图像并将其转换为灰度图像。然后，我们添加高斯噪声到图像中，得到带噪声的图像。接着，我们计算噪声功率谱和原始图像的功率谱，并使用它们来计算 Wiener 滤波器的频域函数。最后，我们使用维纳滤波器对带噪声的图像进行复原，并显示复原后的图像。