数字图像处理-约束最小二乘复原实现图像复原

最新推荐文章于 2025-12-04 23:20:43 发布

原创最新推荐文章于 2025-12-04 23:20:43 发布 · 117 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #图像处理 #人工智能 #matlab #图像复原 #约束最小二乘法

数字图像处理专栏收录该内容

21 篇文章

订阅专栏

close all;
clear all;
clc;
I=imread(test1.png');
I=im2double(I);
% h = fspecial('gaussian',hsize,sigma)返回大小为 hsize 且具有标准偏差 sigma
的旋转对称高斯低通滤波器。
% hsize 表示过滤器大小,默认值为 3*3(本例中过滤器大小为 8*8),sigma 为滤波器
的标准值,单位为像素,默认值为 0.5
PSF=fspecial('gaussian',8,4);
% g=imfilter(f,w,filtering_mode,boundary_options,size_options)
% f 为输入图像,w 为滤波掩模,g 为滤波后图像.filtering_mode 用于指定在滤波过
程中是使用“corr(相关-默认)”还是“conv(卷积)”.boundary_options 用于处理
边界充零问题,边界的大小由滤波器的大小确定
J=imfilter(I,PSF,'conv');
figure(1);
subplot(121),imshow(I);
title('原始图像');
subplot(122),imshow(J);% 显示退化后的图像
title('退化图像');
v=0.02;
K=imnoise(J,'gaussian',0,v);% 添加高斯噪声
NP=v*numel(I);% 返回数组元素的数目,等同于 prod(size(I))(prod 用于表示数组
元素的乘积)
% J=deconvreg(I,PSF,NOISERPOWER)可用于图像的约束最小二乘法复原,其中 PSF
为扩展函数,NOISEPOWER 为噪声强度,默认为 0
L=deconvreg(K,PSF,NP);
figure(2);
subplot(121),imshow(K);
title('添加噪声的退化图像');
subplot(122),imshow(L);
title('约束最小二乘法复原后的图像');