使用matlab自选一幅灰度图像，对其模拟大气湍流造成的模糊；然后分别用维纳滤波、逆滤波、Richardson-Lucy极大似然估计方法、正则化最小二乘法对图像复原。

在MATLAB中，你可以按照以下步骤进行图像模糊和复原：

首先，选择一幅灰度图像，假设我们用`I`表示原始图像：

% 加载图像
I = imread('blurry_image.jpg', 'gray');

接下来，模拟大气湍流造成的模糊，这通常通过傅里叶变换结合随机过程（如高斯白噪声）来实现：

% 模拟模糊
sigma = 5; % 模糊强度（比如PSF的标准偏差）
H = fspecial('gaussian', [size(I,1) size(I,2)], sigma); % 高斯模糊核
blurred_img = imfilter(I, H, 'replicate'); % 进行模糊操作

现在，我们可以尝试几种不同的图像复原技术：

1. **维纳滤波(Variational Filtering)**：这是基于迭代优化的简单方法，适用于简单的低通滤波器造成的模糊。

   restored_img = wiener(blurred_img);

2. **逆滤波(Backward Filtering)**：直接使用模糊倒推，但可能会引入噪声放大。

   restored_img = ifilter(blurred_img, inv(H));

3. **Richardson-Lucy (RL) 极大似然估计**：一种迭代算法，适用于较复杂的模糊情况。

   restored_img =irlsrestoration(blurred_img, H, 'rl', [], 10); % 设置迭代次数为10

4. **正则化最小二乘法(Robust Least Squares)**：通过加入Tikhonov正则项减少噪声影响。

   restored_img = robustlsqlin(H, blurred_img, ones(size(H)), [], []);

注意，以上方法的效果会因实际图像内容和模糊程度的不同而有所差异，可能需要调整参数或尝试多种方法找到最佳结果。