基于总变差（TV）正则化的复原方法散焦图像的盲复原 matlab代码

以下是使用基于总变差（TV）正则化的复原方法对散焦图像进行盲复原的 Matlab 代码示例：

% 读取散焦图像
img = imread('blurry_image.png');

% 设定模糊核大小
ksize = 15;

% 估计模糊核
kernel = estimate_kernel(img, ksize);

% 使用TV正则化进行复原
lambda = 0.05; % 正则化系数
restored = deconvblind_tv(img, kernel, lambda);

% 显示结果
imshow(restored);

% 估计模糊核的函数
function kernel = estimate_kernel(img, ksize)
    % 选择一个小区域进行估计
    x = 1:ksize;
    y = 1:ksize;
    patch = img(x, y);

    % 使用SVD分解估计卷积核
    [U, S, V] = svd(patch);
    h = V(:,1) * U(:,1)';
    h = h / sum(h(:));
    kernel = imresize(h, [ksize, ksize]);
end

% 带TV正则化的逆滤波恢复函数
function restored = deconvblind_tv(img, kernel, lambda)
    % 将模糊核转换为逆滤波函数
    psf = kernel2psf(kernel);
    psf = psf / sum(psf(:));
    h = psf2otf(psf, size(img));
    hconj = conj(h);

    % 使用TV正则化进行逆滤波恢复
    restored = deconvlucy(img, h, 10);
    restored = deconvreg(restored, hconj, lambda);

    % 将结果裁剪为原始大小
    restored = imcrop(restored, [1, 1, size(img,2)-1, size(img,1)-1]);
end

% 将模糊核转换为逆滤波函数
function h = kernel2psf(kernel)
    h = zeros(size(kernel));
    h(1,1) = 1;
    h = imfilter(h, kernel);
end

需要注意的是，TV正则化方法可以有效约束逆滤波的解，避免出现伪影。在实际应用中，可以通过调整正则化系数lambda来平衡复原图像的噪声和细节。