维纳滤波图像复原matlab算法

维纳滤波（Wiener filtering）是一种常用的图像复原算法，用于消除由噪声引起的图像模糊。在MATLAB中，维纳滤波可以通过以下步骤实现：

1. 读取待处理的图像，并将其转换为灰度图像（如果不是灰度图像）。

2. 对图像进行傅里叶变换，得到图像的频谱。

3. 计算噪声功率谱，可以通过对噪声进行统计估计或使用预先知道的噪声模型。

4. 根据维纳滤波公式，计算滤波函数的频域表达式。

5. 将滤波函数应用于图像的频谱。

6. 对滤波后的频谱进行逆傅里叶变换，得到复原后的图像。

下面是一个简单的MATLAB示例代码，演示了如何使用维纳滤波算法对图像进行复原：

% 读取待处理图像
originalImage = imread('input_image.jpg');
grayImage = rgb2gray(originalImage);

% 傅里叶变换
fftImage = fftshift(fft2(double(grayImage)));

% 估计噪声功率谱
noisePowerSpectrum = ...
    abs(fftshift(fft2(double(imnoise(grayImage, 'gaussian', 0, 0.01))))).^2;

% 计算滤波函数的频域表达式
filter = conj(fftImage) ./ (abs(fftImage).^2 + noisePowerSpectrum);

% 对频谱进行滤波
filteredImage = real(ifft2(ifftshift(filter .* fftImage)));

% 显示原始图像和复原后的图像
figure;
subplot(1, 2, 1);
imshow(grayImage);
title('原始图像');

subplot(1, 2, 2);
imshow(filteredImage, []);
title('复原后的图像');

请注意，这只是一个简单的示例，实际应用中可能需要根据具体情况进行一些参数和处理的调整。另外，这个示例代码假设噪声为高斯白噪声，如果噪声类型不同，可能需要进行相应的调整。