《数字图像处理》实验4-图像复原

% 读取彩色图像
I = imread('天火三玄变.jpg'); 

% 转换为灰度图
I_gray = rgb2gray(I);

% 设置运动模糊参数并生成点扩散函数（PSF）
LEN = 20; % 运动模糊长度（像素移动距离）
THETA = 30; % 运动模糊角度（度）
PSF = fspecial('motion', LEN, THETA);

% 应用PSF进行退化处理（circular表示循环边界条件，conv表示卷积）
I_degraded = imfilter(I_gray, PSF, 'circular', 'conv');

% 可视化结果
figure('Name', '单一运动模糊退化', 'NumberTitle', 'off');
subplot(1,3,1); imshow(I); title('原图');
subplot(1,3,2); imshow(I_gray); title('灰度图');
subplot(1,3,3); imshow(I_degraded); title('退化图像');

% 1. 读取图像并转换为灰度图
I = imread('ALi.jpg');
I_gray = rgb2gray(I);

% 2. 生成三种模糊的点扩散函数（PSF）
psf_motion = fspecial('motion', 30, 30); % 运动模糊（长度30，角度30度）
psf_disk = fspecial('disk', 20); % 圆盘状模糊（半径20，模拟散焦模糊）
psf_unsharp = fspecial('unsharp'); % 钝化模糊（削弱高频细节，使图像变钝）

% 3. 应用模糊处理
I_motion = imfilter(I_gray, psf_motion, 'circular', 'conv');
I_disk = imfilter(I_gray, psf_disk, 'circular', 'conv');
I_unsharp = imfilter(I_gray, psf_unsharp, 'circular', 'conv');

% 4. 可视化所有结果
figure('Name', '多种模糊退化对比', 'NumberTitle', 'off');
subplot(1,4,1); imshow(I_gray); title('原图');
subplot(1,4,2); imshow(I_motion); title('运动模糊（motion）');
subplot(1,4,3); imshow(I_disk); title('圆盘状模糊(disk)');
subplot(1,4,4); imshow(I_unsharp); title('钝化模糊(unsharp)');

% 5. 输出部分像素矩阵，观察变化
fprintf('原图左上角5x5像素值：\n'); 
disp(I_gray(1:5,1:5));
fprintf('\n运动模糊后左上角5x5像素值：\n');
disp(I_motion(1:5,1:5));

% 1. 读取图像并预处理
I_original = imread('CSGO.jpg'); 
% 判断是否为彩色图，转换为灰度图
if size(I_original, 3) == 3
    I_gray = rgb2gray(I_original);
else
    I_gray = I_original;
end
I_gray_double = im2double(I_gray); % 转换为double类型便于运算

% 2. 图像退化（运动模糊）
PSF_blur = fspecial('motion', 15, 30); % 运动长度15，角度30度
I_blurred = imfilter(I_gray_double, PSF_blur, 'circular', 'conv');

% 3. 添加高斯噪声
noise_mean = 0; % 噪声均值
noise_var = 0.001; % 噪声方差
I_noisy = imnoise(I_blurred, 'gaussian', noise_mean, noise_var);

% 4. 逆滤波（维纳滤波）复原
NSR = noise_var / var(I_gray_double(:)); % 噪声信号比（用于维纳滤波参数）
I_restored = deconvwnr(I_noisy, PSF_blur, NSR); % 维纳滤波复原

% 5. 可视化结果
figure('Name', '逆滤波复原实验', 'NumberTitle', 'off', 'Position', [100, 100, 1200, 600]);
subplot(2,2,1); imshow(I_original); title('原图');
subplot(2,2,2); imshow(I_blurred); title('退化图像');
subplot(2,2,3); imshow(I_noisy); title('加噪图像');
subplot(2,2,4); imshow(I_restored); title('逆滤波复原');

% 1. 读取图像并预处理
I_rgb = imread('阿狸2.jpg'); 
I_gray = rgb2gray(I_rgb); % 彩色转灰度
I_gray = im2double(I_gray); % 转为double类型

% 2. 图像退化（运动模糊）
len = 15; % 运动模糊长度
theta = 30; % 运动角度
PSF = fspecial('motion', len, theta); % 生成点扩散函数
I_blurred = imfilter(I_gray, PSF, 'conv', 'circular'); % 应用模糊

% 3. 维纳滤波复原
noise_var = 0.001; % 假设微小噪声方差（实际无额外噪声，用于稳定算法）
SNR = var(I_gray(:)) / noise_var; % 信号噪声比
I_restored = deconvwnr(I_blurred, PSF, 1/SNR); % 维纳滤波

% 4. 可视化结果
figure('Name', '维纳滤波复原（无额外噪声）', 'NumberTitle', 'off');
subplot(1,3,1); imshow(I_gray); title('原图');
subplot(1,3,2); imshow(I_blurred); title('模糊后图像');
subplot(1,3,3); imshow(I_restored); title('恢复后图像');

% 1. 读取图像并预处理
I_rgb = imread('AALi.jpg'); 
I_gray = rgb2gray(I_rgb); % 彩色转灰度
I_gray = im2double(I_gray); % 转为double类型

% 2. 图像模糊处理（高斯模糊，PSF未知）
sigma = 1.5; % 高斯模糊标准差
PSF_true = fspecial('gaussian', 7, sigma); % 真实PSF（实验中模拟未知）
I_blurred = imfilter(I_gray, PSF_true, 'conv', 'same'); % 生成模糊图像

% 3. 盲去卷积复原（无需已知真实PSF）
PSF_init = ones(7); % 初始化猜测的PSF（简单全1矩阵）
[I_restored, PSF_estimated] = deconvblind(I_blurred, PSF_init); % 盲去卷积

% 4. 可视化结果
figure('Name', '盲去卷积复原', 'NumberTitle', 'off');
subplot(1,3,1); imshow(I_gray); title('原图');
subplot(1,3,2); imshow(I_blurred); title('模糊后图像');
subplot(1,3,3); imshow(I_restored); title('恢复后图像');

% 输出估计的PSF，观察与真实PSF的差异
fprintf('真实PSF（高斯模糊）：\n');
disp(PSF_true);
fprintf('\n估计的PSF（盲去卷积输出）：\n');
disp(PSF_estimated);