MATLAB图像处理实验3——图像复原.doc

MATLAB 图像处理实验3——图像复原 本实验的主要目的是使用 MATLAB 对图像进行复原，包括逆滤波复原和维纳滤波复原两部分。 一、逆滤波复原 在本实验中，我们使用 MATLAB 对图像 fig3-1-1.bmp 进行逆滤波复原。我们使用 imread 函数读取图像，然后使用_fft2 函数对图像进行傅里叶变换，以便计算图像的频谱。接着，我们使用一个退化函数 H(u,v) 对图像进行退化，退化函数为 H(u,v) = exp(-0.0025*((u-M/2)^2+(v-N/2)^2))^(5/6))，其中 M=366，N=364。然后，我们使用 ifft2 函数对频谱进行逆傅里叶变换，以得到复原后的图像。 在复原过程中，我们使用不同的截止半径对图像进行复原，并与原图像 fig3-1-2.bmp 进行比较。从实验结果可以看出，使用逆滤波复原的方法可以很好地恢复图像的细节。 二、维纳滤波复原 在本实验的第二部分，我们使用 MATLAB 对图像 fig3-1-1.bmp 进行维纳滤波复原。我们首先使用 imread 函数读取图像，然后使用 fspecial 函数生成一个运动模糊的点扩散函数（PSF），以模拟图像的退化过程。接着，我们使用 imfilter 函数对图像进行卷积，以模拟图像的退化过程。然后，我们使用 imnoise 函数添加高斯噪声到图像中，以模拟实际图像中的噪声。我们使用 deconvwnr 函数对图像进行维纳滤波复原，并与原图像进行比较。 在实验中，我们发现，当我们使用不同的 K 值时，维纳滤波的效果会有所不同。因此，我们需要选择合适的 K 值以获得最佳的复原效果。 三、图像复原的应用 图像复原技术在实际应用中有着广泛的应用前景，例如在图像处理、计算机视觉、机器人视觉等领域。图像复原可以恢复图像的细节，提高图像的质量，从而提高图像处理和识别的准确性。 本实验展示了使用 MATLAB 对图像进行复原的方法，包括逆滤波复原和维纳滤波复原两部分。这些方法可以恢复图像的细节，提高图像的质量，并且在实际应用中有着广泛的应用前景。