维纳滤波灰度图像复原matlab算法

维纳滤波是一种常用的图像复原算法，用于去除图像中的噪声和模糊。在Matlab中，可以使用以下代码实现维纳滤波算法对灰度图像进行复原：

% 读取待处理的图像
originalImage = imread('input_image.png');
% 转换为灰度图像
grayImage = rgb2gray(originalImage);

% 添加噪声或模糊处理
noisyImage = imnoise(grayImage, 'gaussian', 0, 0.01); % 添加高斯噪声
blurredImage = imgaussfilt(grayImage, 2); % 模糊处理

% 维纳滤波参数设置
estimatedNoiseVariance = 0.01; % 估计的噪声方差
estimatedImagePower = mean2(blurredImage.^2); % 估计的图像功率
k = estimatedNoiseVariance / estimatedImagePower; % 维纳滤波参数

% 维纳滤波处理
restoredImage = deconvwnr(blurredImage, fspecial('gaussian', 5), k);

% 显示结果
figure;
subplot(1, 2, 1), imshow(grayImage), title('原始图像');
subplot(1, 2, 2), imshow(restoredImage), title('恢复图像');

在这个示例中，首先读取待处理的图像，然后将其转换为灰度图像。接下来，可以选择添加高斯噪声或进行模糊处理来模拟图像的损坏情况。

然后，通过估计噪声方差和图像功率来确定维纳滤波的参数。在这里，使用了`estimatedNoiseVariance`和`estimatedImagePower`变量进行估计。

最后，使用`deconvwnr`函数对模糊图像进行维纳滤波处理，其中第一个参数是模糊图像，第二个参数是点扩散函数（PSF），这里使用了一个5x5的高斯核作为PSF。第三个参数k是维纳滤波的参数。

最后，通过subplot函数将原始图像和恢复图像显示在一个Figure窗口中。

请注意，维纳滤波需要对噪声的统计特性进行估计，因此在实际应用中可能需要根据具体情况进行调整。