matlab编程在大气湍流退化图像上添加高斯噪声，利用维纳滤波处理，同屏显示退化图像和恢复图像，并标注维纳滤波参数 K，计算恢复图像的峰值信噪比 PSNR。

好的，这是一个关于 Matlab 编程的问题，稍等我几分钟，让我为您编写代码。

首先，我们需要准备一张大气湍流退化的图片，可以使用 `imread` 函数来读取图片。

img = imread('path/to/image.jpg');

然后，我们可以添加高斯噪声到图片中，可以使用 `imnoise` 函数实现。

noisy_img = imnoise(img, 'gaussian', 0, 0.01);

其中，`'gaussian'` 表示添加高斯噪声，`0` 表示噪声的平均值为 0，`0.01` 表示噪声的方差为 0.01。

接下来，我们可以使用维纳滤波对退化图像进行处理，可以使用 `wiener2` 函数实现。

K = 0.01; % 维纳滤波参数
restored_img = wiener2(noisy_img, [5 5], K);

其中，`K` 表示维纳滤波的参数，`[5 5]` 表示选择一个 5x5 的窗口进行滤波。

最后，我们可以使用 `imshow` 函数将退化图像和恢复图像在同一屏幕上显示，并计算恢复图像的峰值信噪比 PSNR。

psnr_val = psnr(restored_img, img);
figure;
subplot(1, 2, 1); imshow(noisy_img); title('Noisy Image');
subplot(1, 2, 2); imshow(restored_img); title(['Restored Image, K=', num2str(K), ', PSNR=', num2str(psnr_val)]);

其中，`psnr` 函数用于计算图像的峰值信噪比。

完整代码如下：

img = imread('path/to/image.jpg');
noisy_img = imnoise(img, 'gaussian', 0, 0.01);
K = 0.01; % 维纳滤波参数
restored_img = wiener2(noisy_img, [5 5], K);
psnr_val = psnr(restored_img, img);
figure;
subplot(1, 2, 1); imshow(noisy_img); title('Noisy Image');
subplot(1, 2, 2); imshow(restored_img); title(['Restored Image, K=', num2str(K), ', PSNR=', num2str(psnr_val)]);

希望这个代码可以帮助您完成您的任务，如果有任何疑问，请随时问我。