用MATLAB读取图像，在大气湍流退化图像上添加高斯噪声，利用维纳滤波处理，同屏显示退化图像和恢复图像，并标注维纳滤波参数 K，计算恢复图像的峰值信噪比 PSNR。

好的，这是一个关于 MATLAB 图像处理和维纳滤波的问题。下面是代码实现和解释：

% 读取图像
im = imread('lena.png'); % 请替换成你自己的图像
% 转换为灰度图像
im_gray = rgb2gray(im);

% 添加高斯噪声
im_noisy = imnoise(im_gray, 'gaussian', 0, 0.01); % 0.01 是噪声方差，可以调整

% 计算退化函数的点扩散函数（PSF）
psf = fspecial('motion', 20, 30); % 这里使用运动模糊，可以替换成你自己的退化函数

% 利用维纳滤波进行图像恢复
k = 0.01; % 维纳滤波参数，可以调整
im_restored = deconvwnr(im_noisy, psf, k);

% 显示图像和参数
figure;
subplot(1,2,1);
imshow(im_noisy);
title('退化图像');
subplot(1,2,2);
imshow(im_restored);
title(['恢复图像（K=' num2str(k) ')']);

% 计算峰值信噪比（PSNR）
psnr_value = psnr(im_gray, im_restored);
disp(['恢复图像的PSNR值：' num2str(psnr_value) ' dB']);

解释一下上面的代码：

首先，我们读取图像并转换为灰度图像。然后，我们添加高斯噪声，使用 `imnoise` 函数，其中第三个参数是噪声均值，第四个参数是噪声方差，可以根据需要进行调整。

接下来，我们需要计算退化函数的点扩散函数（PSF）。这里我使用了一个简单的运动模糊，你可以替换成你自己的退化函数。

然后，我们使用 `deconvwnr` 函数进行维纳滤波，其中第三个参数是维纳滤波的参数 K，可以根据需要进行调整。

最后，我们使用 `imshow` 函数显示退化图像和恢复图像，并标注维纳滤波参数 K。同时，我们计算恢复图像的峰值信噪比（PSNR），使用 `psnr` 函数。

希望这个代码可以帮助你解决问题！