将之前卷积后的图像用该点扩散函数进行反卷积得到新的图像，并在主程序中展示出来

要将之前卷积后的图像通过离焦点扩散函数进行反卷积，您可以使用 MATLAB 中的 `deconvwnr` 函数。以下是一个示例代码：

function out_img = defocusDeconvolution(in_img, radius)
    % 读取输入图像
    img = im2double(in_img);
    
    % 创建离焦点扩散函数（高斯滤波核）
    kernel_size = 2 * radius + 1;
    kernel = fspecial('gaussian', kernel_size, radius);
    
    % 对图像进行反卷积
    out_img = deconvwnr(img, kernel, 0.001);
end

在上述代码中，我们使用 `fspecial` 函数创建一个高斯滤波核，该核的尺寸与模糊半径相关。然后，我们使用 `deconvwnr` 函数对输入图像进行反卷积，使用较小的正则化参数（例如0.001）以避免过度增强噪声。

您可以按照以下方式使用上述函数：

% 读取输入图像
input_image = imread('input.jpg');

% 模糊半径
blur_radius = 10;

% 调用离焦点扩散函数反卷积
output_image = defocusDeconvolution(input_image, blur_radius);

% 显示结果
figure;
subplot(1, 2, 1);
imshow(input_image);
title('原始图像');
subplot(1, 2, 2);
imshow(output_image);
title('反卷积后的图像');

在代码中，我们首先读取输入图像，然后调用 `defocusDeconvolution` 函数进行反卷积。最后，我们显示原始图像和反卷积后的图像。

请注意，反卷积过程可能会引入一些伪影或噪声增强。您可以根据需要调整正则化参数或使用其他去卷积方法来改善结果。希望对您有所帮助！