clear all; close all;
I = imread('rice.png');
I = im2double(I);
LEN = 20;
THETA = 10;
PSF = fspecial('motion', LEN, THETA);
J = imfilter(I, PSF, 'conv', 'circular');
figure;
subplot(121);
imshow(I);
title('Original Image');
subplot(122);
imshow(J);
title('Image with Motion Blur');
noise = 0.03 * randn(size(I));
K = imadd(J, noise);
NP = abs(fft2(noise)).^2;
NPower = sum(NP(:)) / prod(size(noise));
NCORR = fftshift(real(ifft2(NP)));
IP = abs(fft2(I)).^2;
IPower = sum(IP(:)) / prod(size(I));
ICORR = fftshift(real(ifft2(IP)));
L = deconvwnr(K, PSF, NPower, IPower);
figure;
subplot(121);
imshow(K);
title('Image with Motion Blur and Noise');
subplot(122);
imshow(L);
title('Deblurred Image');
解释：
-
clear all; close all;：清空工作空间中的所有变量并关闭所有图形窗口。 -
I = imread('rice.png');：读取名为rice.png的图像，并赋值给I。 -
I = im2double(I);：将图像I的数据类型转换为双精度浮点数，以便进行后续处理。 -
LEN = 20;：定义运动模糊的长度。 -
THETA = 10;：定义运动模糊的方向（角度）。 -
PSF = fspecial('motion', LEN, THETA);：创建一个运动模糊的点扩散函数（PSF），长度为LEN，方向为THETA度。 -
J = imfilter(I, PSF, 'conv', 'circular');：使用imfilter函数对图像I进行运动模糊，模糊方式为卷积（'conv'），并处理边界为圆形（'circular'），得到模糊后的图像J。 -
figure;：创建一个新的图形窗口。 -
subplot(121); imshow(I);：在第一个子图（1,2,1）中显示原始图像I。 -
subplot(122); imshow(J);：在第二个子图（1,2,2）中显示添加了运动模糊的图像J。 -
noise = 0.03 * randn(size(I));：生成与图像I相同大小的随机噪声矩阵noise，均值为0，标准差为0.03。 -
K = imadd(J, noise);：将噪声矩阵noise添加到模糊后的图像J上，得到图像K。 -
NP = abs(fft2(noise)).^2;：计算噪声的功率谱。 -
NPower = sum(NP(:)) / prod(size(noise));：计算噪声的功率。 -
NCORR = fftshift(real(ifft2(NP)));：计算噪声的功率谱校正。 -
IP = abs(fft2(I)).^2;：计算原始图像I的功率谱。 -
IPower = sum(IP(:)) / prod(size(I));：计算原始图像I的功率。 -
ICORR = fftshift(real(ifft2(IP)));：计算原始图像I的功率谱校正。 -
L = deconvwnr(K, PSF, NPower, IPower);：使用deconvwnr函数对图像K进行逆滤波，得到去模糊后的图像L。 -
figure;：创建一个新的图形窗口。 -
subplot(121); imshow(K);：在第一个子图（1,2,1）中显示添加了运动模糊和噪声的图像K。 -
subplot(122); imshow(L);：在第二个子图（1,2,2）中显示去模糊后的图像L。
拓展：
- 保存图像：可以将处理后的图像
L保存为文件。
% 保存处理后的图像
imwrite(uint8(L), 'rice_deblurred.png');
-
调整运动模糊参数：可以尝试使用不同的运动模糊长度和方向，来观察对图像去模糊效果的影响。
-
分析处理效果：可以进一步分析处理后的图像效果，比如通过计算图像的均值和方差。
-
比较不同去模糊方法的影响：可以比较不同去模糊方法对图像质量的影响，以评估不同方法的效果。