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。matlab

好的，以下是添加高斯噪声并利用维纳滤波处理大气湍流退化图像的示例代码：

% 读入图像
img = imread('degraded_image.png');

% 定义退化模型
H = fspecial('motion', 20, 45);

% 添加高斯噪声
noisy_img = imnoise(img, 'gaussian', 0, 0.01);

% 维纳滤波恢复图像
K = 0.01; % 维纳滤波参数
restored_img_wiener = deconvwnr(noisy_img, H, K);

% 显示退化图像、噪声图像和恢复图像
subplot(1, 3, 1), imshow(img), title('Degraded Image');
subplot(1, 3, 2), imshow(noisy_img), title('Noisy Image');
subplot(1, 3, 3), imshow(restored_img_wiener), title(['Wiener Filtering Restoration (K = ', num2str(K), ')']);

% 计算恢复图像的PSNR
psnr_wiener = psnr(restored_img_wiener, img);
% 输出恢复图像的PSNR
disp(['PSNR of Wiener Filtering Restoration: ', num2str(psnr_wiener)]);

其中，`imnoise`函数用于添加高斯噪声，`deconvwnr`函数用于进行维纳滤波处理，`psnr`函数用于计算恢复图像的PSNR。

在代码中，我们设置了维纳滤波参数`K`为`0.01`，并在显示恢复图像时标注了该参数的值。需要注意的是，维纳滤波参数的选择需要根据实际情况进行调整，通常需要进行多次实验以获得最佳的恢复效果。

另外，由于添加了高斯噪声，恢复图像的PSNR通常会比没有添加噪声时低一些，因此需要对参数进行适当的调整，以获得合适的恢复效果。