首页 > 学术百科

Matlab运动模糊，维纳滤波

⼀、⽬标：

1. 任选⼀幅彩⾊风景图⽚作为源图像，设置不同的模糊参数实现任⼀副图像的运动模糊(fspecial,imfilter函数)，再⽤imadd和imnoise给图

像添加不同类型的噪声，显⽰噪声图像。

1. 对1产⽣的图像分别进⾏复原，选⽤维纳滤波器进⾏图像复原，显⽰处理结果。

⼆、函数分析：

1、fspecial()

定义：创建预定义的⼆维过滤器

形式：h = fspecial('motion',len,theta)

描述：h = fspecial('motion',len,theta)，返回⼀个过滤器，使其在与图像卷积后近似相机的线性运动。len指定运动的长度，theta指定逆时针⽅向的运动⾓度（以度为单位）。过滤器将成为⽔平和垂直运动的⽮

量。默认的len是9，默认的theta是0，这对应于9个像素的⽔平运动。

2、imfilter()

定义：多维图像的N-D滤波

跨国采购网挂机平台形式：B = imfilter(A,h,options,...)

描述：根据⼀个或多个指定选项执⾏多维筛选。其中本实验代码中Blurred1 = imfilter(imgrgb,PSF1,'circular','conv')；指的是加⼊了运动模糊。

3、SNR-信噪⽐

定义：信号的平均功率和噪声的平均功率之⽐

形式：信噪⽐（dB）= 10 * log10(S/N) (dB), 单位(db)作为度量单位。

4、deconvwnr()

定义：基于维纳滤波的去模糊图像

形式：J = deconvwnr(I,psf,nsr)

J = deconvwnr(I,psf,ncorr,icorr)

J = deconvwnr(I,psf)

规章制度的重要性

描述：其中J = deconvwnr(I,psf,nsr)，使⽤维纳滤波算法对图像I进⾏解卷积，返回去模糊图像J。psf是对I进⾏卷积的点扩展函数（psf）。nsr是加性噪声的噪声与信号功率⽐。该算法在估计图像和真实图像之间的最⼩均⽅误差意义下是最优的。

三、代码展⽰：

% 1、任选⼀幅彩⾊风景图⽚作为源图像，设置不同的模糊参数实现任⼀副图像的运

% 动模糊(fspecial,imfilter函数)，再⽤imadd和imnoise给图像添加不同类

% 型的噪声，显⽰噪声图像。

% 2、对1产⽣的图像分别进⾏复原，选⽤维纳滤波器进⾏图像复原，显⽰处理结果。

% @author: jackma

% @time: 2020-11-9 3:23

% @URL： www.jackrma

% @Copyright：博客所有权归本⼈和CSDN所有，如有转载请在显著位置给出博⽂

% 链接和作者姓名，否则本⼈将付诸法律。

% @edit:

% 1.添加运动模糊

clc

clear

imgrgb = imread('2.jpg'); % 读取彩⾊图像

figure('Name', '运动模糊参数对⽐'); %标题

subplot(221);

imshow(imgrgb);

title("原始图像");

LEN1 = 50; % 运动模糊中运动的长度

THETA1 = 11; % 指定逆时针⽅向的运动⾓度(以度为单位)

PSF1 = fspecial('motion',LEN1,THETA1); % ⽤于在与图像卷积后近似相机的线性运动Blurred1 = imfilter(imgrgb,PSF1,'circular','conv'); % 加⼊运动模糊

subplot(222);

imshow(Blurred1);

title("模糊图像1-长度50,⾓度11度");

LEN2 = 50; % 运动长度50

THETA2 = 22; % 运动⾓度22度,(和模糊图像1的运动⾓度数据做对照)

PSF2 = fspecial('motion',LEN2,THETA2); %⽤于在与图像卷积后近似相机的线性运动Blurred2 = imfilter(imgrgb,PSF2,'circular','conv'); % 加⼊运动模糊

subplot(223);

imshow(Blurred2);

title("模糊图像2-长度50,⾓度22度");

LEN3 = 100; % 运动长度100,(和模糊图像1的运动长度数据做对照)

THETA3 = 11; % 运动⾓度11度

PSF3 = fspecial('motion',LEN3,THETA3);

Blurred3 = imfilter(imgrgb,PSF3,'circular','conv');

纳什均衡理论

subplot(224);

imshow(Blurred3);

title("模糊图像3-长度100,⾓度11度");

% 2.添加噪声(都在模糊图像1基础上增加噪声,⽅便对照)

NUM1 = 0.05; % 噪声强度5%

figure('Name', '模糊图像1加⼊噪声并复原'); % 标题

I1 = imnoise(Blurred1, 'salt & pepper', NUM1); %给模糊图像1添加椒盐噪声，强度5% subplot(221);

imshow(I1);

title('加⼊强度5%椒盐噪声的图像1');

NUM2 = 0.05; % 噪声强度5%

I2 = imnoise(Blurred1, 'gaussian', NUM2); % 给模糊图像1添加⾼斯噪声，强度5% subplot(222);

imshow(I2);

title('加⼊强度5%⾼斯噪声的图像2');

% 3.维纳滤波复原图像

SNR1 = sum(NUM1.^2) / var(im2double(imgrgb(:)).^2);% 信噪⽐五常论坛

% 加⼊im2double是因为var前⾯

% 必须是单精度或者双精度

沸腾都市

wnr1 = deconvwnr(I1, PSF1, SNR1);

subplot(223);

imshow(wnr1); % 恢复图像1

title('恢复图像1');

SNR2 = sum(NUM2.^2) / var(im2double(imgrgb(:)).^2);

wnr2 = deconvwnr(I2, PSF1, SNR2);

subplot(224);

imshow(wnr2); % 恢复图像2

title('恢复图像2');

% 保存处理后的图像

imwrite(uint8(Blurred1),'./output/Blurred1.bmp');

imwrite(uint8(Blurred2),'./output/Blurred2.bmp');

imwrite(uint8(Blurred3),'./output/Blurred3.bmp');

imwrite(uint8(I1),'./output/I1.bmp');

imwrite(uint8(I2),'./output/I2.bmp');

imwrite(uint8(wnr1),'./output/wnr1.bmp');

杠杆舞imwrite(uint8(wnr2),'./output/wnr2.bmp');

四、结果展⽰及分析：

图1 运动模糊不同参数对⽐图

图2 模糊图像1加⼊噪声及其复原总图具体结果对照如下：

图3 模糊图像1 (参数长度50,⾓度11度) 为⽅便对照，以下图像都是该图基础上变换

图4 加⼊强度10%椒盐噪声的图像图5 维纳滤波处理图4的结果

图6 加⼊强度10%⾼斯噪声的图像图7 维纳滤波处理图6的结果

显然由结果可得，在图像设置成运动模糊后，并且加⼊了各种噪声，通过对照图3-图7和图3-图5两组对象，发现维纳滤波对运动模糊处理能⼒较强，但是也不太突出。但是在图像中增加噪声后，通过对⽐图4-图5和图6-图7两组对象，发现维纳滤波复原后的图像噪声⽐复原前图像噪声更严重。

本文发布于:2024-09-22 18:31:07，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/477275.html

上一篇：自适应滤波：维纳滤波器——GSC算法及语音增强

下一篇：六逆滤波和维纳滤波-Read

标签：图像噪声运动

留言与评论（共有 0 条评论）