matlab对图片进行运动模糊退化后，再使用维纳滤波还原图像。

在MATLAB中，可以首先通过仿射变换模拟运动模糊效果，然后使用维纳滤波（Wiener filter）恢复图像。以下是基本步骤：

1. **模拟运动模糊**:

   % 加载原始图像
   img = imread('your_image.jpg');
   
   % 设定模糊角度和模糊半径
   blur_angle = 10; % 模拟10度的旋转模糊
   blur_radius = 5; % 模拟5像素的平移模糊
   
   % 创建模糊矩阵
   rotation_matrix = [cosd(blur_angle), -sind(blur_angle); sind(blur_angle), cosd(blur_angle)];
   shift_matrix = eye(2);
   shift_matrix(1,2) = blur_radius;
   shift_matrix(2,1) = blur_radius;
   
   % 应用模糊
   blurred_img = imwarp(img, kron(rotation_matrix, shift_matrix));

2. **维纳滤波还原**:

   % 设置维纳滤波的参数，如噪声方差sigma和理想清晰图像的先验知识SNR（信号噪声比）
   sigma = estimateNoiseLevel(blurred_img); % 估计噪声水平
   SNR = 40; % 假设的SNR值，单位dB

   % 计算维纳滤波器系数
   w = wiener2(blurred_img, sigma^2, SNR);

   % 进行滤波并显示结果
   restored_img = imfilter(blurred_img, w, 'replicate');
   figure;
   subplot(1,2,1), imshow(blurred_img), title('Blurred Image');
   subplot(1,2,2), imshow(uint8(restored_img)), title('Restored Image using Wiener Filter');

`estimateNoiseLevel` 和 `wiener2` 函数帮助你计算合适的滤波参数。

注意，运动模糊的模拟可能并不完全准确，实际应用中可能需要更复杂的模型。此外，维纳滤波的性能取决于噪声特性以及先验信息的质量，选择合适的参数至关重要。