matlab 逆滤波图像复原

逆滤波是一种图像复原方法，它试图通过将退化函数的逆应用于观察到的退化图像来恢复原始图像。在MATLAB中，可以使用`deconvwnr`函数来实现逆滤波图像复原。该函数的语法如下：

J = deconvwnr(I, PSF, NSR)

其中，`I`是观察到的退化图像，`PSF`是点扩散函数，`NSR`是噪声信噪比。`deconvwnr`函数将返回复原的图像`J`。

下面是一个示例代码，演示如何使用`deconvwnr`函数进行逆滤波图像复原：

% 读取退化图像
I = imread('degraded_image.png');

% 创建点扩散函数
PSF = fspecial('motion', 20, 45);

% 添加高斯噪声
J = imnoise(imfilter(I, PSF), 'gaussian', 0, 0.001);

% 估计噪声信噪比
signal_var = var(I(:));
noise_var = var(I(:) - J(:));
NSR = noise_var / signal_var;

% 进行逆滤波图像复原
K = deconvwnr(J, PSF, NSR);

% 显示结果
subplot(1, 3, 1), imshow(I), title('Original Image');
subplot(1, 3, 2), imshow(J), title('Degraded and Noisy Image');
subplot(1, 3, 3), imshow(K), title('Restored Image');

在这个示例中，我们首先读取了一个退化图像`I`，然后创建了一个点扩散函数`PSF`，并将其应用于图像`I`，并添加了高斯噪声。接下来，我们估计了噪声信噪比`NSR`，并使用`deconvwnr`函数进行逆滤波图像复原。最后，我们将原始图像、退化和噪声图像以及恢复的图像显示在一个图像窗口中。