不添加噪声，添加运动模糊

好的，以下是基于LR算法的matlab图像复原代码，用于复原添加了运动模糊的图像。您可以根据需要修改和优化代码：

% 读取需要复原的图像
im = imread('input.jpg');
% 将图像转换为灰度图
im_gray = rgb2gray(im);
% 显示原始图像
subplot(1,2,1);
imshow(im_gray);
title('Original Image');
% 添加运动模糊
motion_kernel = fspecial('motion', 20, 45);
im_blur = imfilter(im_gray, motion_kernel, 'conv', 'circular');
% 显示加入运动模糊的图像
subplot(1,2,2);
imshow(im_blur);
title('Blurred Image');
% LR算法参数设置
lambda = 0.1;
delta = 0.1;
max_iter = 100;
% 图像复原
im_restore = LR(im_blur, lambda, delta, max_iter);
% 显示复原后的图像
figure;
imshow(im_restore);
title('Restored Image');
% LR算法函数
function im_restore = LR(im_blur, lambda, delta, max_iter)
    % 将图像转换为double类型
    im_blur = im2double(im_blur);
    [m,n] = size(im_blur);
    % 初始化
    im_restore = im_blur;
    % 迭代
    for k = 1:max_iter
        % 计算梯度
        dx = imfilter(im_restore, [1 -1], 'symmetric');
        dy = imfilter(im_restore, [1 -1]', 'symmetric');
        % 更新图像
        im_restore = im_restore + delta*(lambda*div(dx,dy) - im_restore + im_blur);
    end
end
% 计算梯度的div函数
function div_f = div(dx,dy)
    [m,n] = size(dx);
    div_f = zeros(m,n);
    div_f(1:end-1,:) = div_f(1:end-1,:) + dx(1:end-1,:);
    div_f(2:end,:) = div_f(2:end,:) - dx(1:end-1,:);
    div_f(:,1:end-1) = div_f(:,1:end-1) + dy(:,1:end-1);
    div_f(:,2:end) = div_f(:,2:end) - dy(:,1:end-1);
end

在这个代码中，我们使用了 `fspecial` 函数来生成一个运动模糊的卷积核，然后使用 `imfilter` 函数将其应用于原始图像。然后，我们使用类似的LR算法参数和迭代步骤来复原图像。您可以根据需要修改参数，例如lambda和delta，来获得更好的结果。