逆滤波复原matlab实现

逆滤波是一种基于频域的图像复原方法，可以用于去除图像中的模糊和噪声。下面是在MATLAB中实现逆滤波的步骤：

1. 读取需要恢复的图像，并将其转换为灰度图像。

2. 生成一个点扩散函数（PSF），它是导致图像模糊的主要原因。可以使用fspecial函数来生成PSF。

3. 对图像和PSF进行傅里叶变换。

4. 计算逆滤波函数，它是频域中的倒数值。可以使用deconvwnr函数来计算逆滤波函数。

5. 对频域图像和逆滤波函数进行乘法运算，得到恢复后的图像。

6. 对恢复后的图像进行反傅里叶变换，得到最终的图像。

下面是一个简单的MATLAB代码实现：

% 读取图像并转换为灰度图像
img = imread('lena.png');
img_gray = rgb2gray(img);

% 生成点扩散函数
psf = fspecial('motion', 20, 45);

% 对图像和PSF进行傅里叶变换
img_fft = fft2(img_gray);
psf_fft = fft2(psf, size(img_gray, 1), size(img_gray, 2));

% 计算逆滤波函数
inv_filter = 1./psf_fft;

% 对频域图像和逆滤波函数进行乘法运算
restored_img_fft = img_fft .* inv_filter;

% 对恢复后的图像进行反傅里叶变换
restored_img = ifft2(restored_img_fft);

% 显示原始图像和恢复后的图像
subplot(1, 2, 1), imshow(img_gray), title('Original Image');
subplot(1, 2, 2), imshow(restored_img, []), title('Restored Image');

在上面的代码中，我们使用了fspecial函数来生成点扩散函数，使用fft2函数和ifft2函数进行傅里叶变换和反傅里叶变换，使用deconvwnr函数来计算逆滤波函数。最终，我们通过subplot函数将原始图像和恢复后的图像显示在同一幅图像中。