使用python编程，写出完整的代码：使用运动模糊，失焦模糊等方法模拟生成退化图像，之后运用winer滤波和逆滤波进行图像恢复，得到重建图像，输出结果包括：原图，运动模糊图像，失焦模糊图像，winer滤波恢复图像，逆滤波恢复图像

在Python中，我们可以使用OpenCV库来处理图像并实现上述操作。以下是一个简单的示例代码：

import cv2
import numpy as np

# 加载原图
img = cv2.imread('original_image.jpg', cv2.IMREAD_GRAYSCALE)

# 原始图像展示
cv2.imshow("Original Image", img)
cv2.waitKey(0)  # 等待用户按键

# 运动模糊（高斯模糊）
kernel_size = 5
motion_blur = cv2.GaussianBlur(img, (kernel_size, kernel_size), 0)
cv2.imshow("Motion Blur Image", motion_blur)
cv2.waitKey(0)

# 失焦模糊（拉普拉斯算子）
laplacian_blur = cv2.Laplacian(img, cv2.CV_64F)
laplacian_blur = np.uint8(np.abs(laplacian_blur))
cv2.imshow("Defocus Blur Image", laplacian_blur)
cv2.waitKey(0)

# Wiener滤波恢复
wiener_filter = cv2.wiener(motion_blur, None, 0.01)
cv2.imshow("Wiener Filter Recovery Image", wiener_filter)
cv2.waitKey(0)

# 逆滤波恢复
inversed_filter = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)
cv2.imshow("Inverse Filtering Recovery Image", inversed_filter)
cv2.waitKey(0)

cv2.destroyAllWindows()  # 关闭所有窗口

注意：这个代码需要在有OpenCV库的环境中运行，并且输入图片路径应替换为你实际的图片文件名。