MATLAB实现图像去模糊

一、算法

1. 维纳滤波去模糊（已知PSF）

% 读取模糊图像
img = imread('blurred.jpg');
gray_img = rgb2gray(img);
img = im2double(gray_img);% 定义PSF（运动模糊示例）
LEN = 28; % 模糊长度
THETA = 14; % 模糊角度
PSF = fspecial('motion', LEN, THETA);% 维纳滤波参数估计
K = 0.001; % 噪声功率估计
deblurred = deconvwnr(img, PSF, K);% 显示结果
figure;
subplot(1,2,1); imshow(gray_img); title('原始模糊图像');
subplot(1,2,2); imshow(deblurred); title('维纳滤波去模糊');

关键参数：

• K：噪声功率估计（需通过实验调整）
• PSF：点扩散函数（需根据模糊类型选择）

---

2. 盲卷积去模糊（未知PSF）

% 初始化模糊核
initPSF = ones(size(PSF))/numel(PSF);% 盲卷积迭代
numIter = 10; % 迭代次数
deblurred = deconvblind(img, initPSF, numIter);% 显示模糊核估计
figure;
subplot(1,2,1); imshow(initPSF); title('初始PSF');
subplot(1,2,2); imshow(deconvblind(img, initPSF, numIter)); title('估计PSF');

优化技巧：

• 使用edgetaper减少边缘振铃效应
• 结合拉格朗日乘数优化约束条件

---

3. Retinex理论去模糊

function output = singleScaleRetinex(img, sigma)% 高斯卷积估计光照分量illumination = imgaussfilt(img, sigma);% 对数域处理logImg = log(img + 0.01);logIllum = log(illumination + 0.01);% 反射分量恢复output = exp(logImg - logIllum);
end% 多尺度Retinex实现
sigmas = [15, 80, 250];
weights = [0.3, 0.3, 0.4];
msrImg = zeros(size(img));
for i = 1:numel(sigmas)msrImg = msrImg + weights(i) * singleScaleRetinex(img, sigmas(i));
end
msrImg = mat2gray(msrImg);

参数建议：

• 小尺度（σ=15）：保留纹理细节
• 大尺度（σ=250）：抑制光照不均

---

二、运动模糊处理方案

1. 运动模糊建模

% 生成运动模糊PSF
LEN = 30; % 运动长度
THETA = 45; % 运动角度
PSF = fspecial('motion', LEN, THETA);% 添加高斯噪声
noisyImg = imnoise(imfilter(img, PSF, 'conv'), 'gaussian', 0, 0.001);

2. 维纳滤波恢复

% 噪声功率估计
noiseVar = var(noisyImg(:) - img(:));
K = noiseVar / var(img(:));
deblurred = deconvwnr(noisyImg, PSF, K);

---

三、应用

1. 车牌模糊恢复

% 读取模糊车牌图像
img = imread('car_plate.jpg');
% 预处理：直方图均衡化
img_eq = histeq(img);
% 维纳滤波去模糊
PSF = fspecial('gaussian', [5 5], 1);
deblurred = deconvwnr(img_eq, PSF, 0.001);

2. 医学图像增强

% 读取X光图像
img = imread('xray.png');
% Retinex处理
msrImg = multiScaleRetinex(img, [15,80,250]);
% 后处理：非局部均值去噪
denoised = nlmfilt(msrImg);

参考代码 matlab图像去模糊代码 www.youwenfan.com/contentcsl/80284.html

四、常见问题解决方案

1. 运动模糊角度估计

% 频谱分析法定位运动方向
img_fft = fftshift(fft2(img));
angle = angle(img_fft(:,:,1)); % 取第一个通道
theta = rad2deg(angle);

2. 模糊核自动估计

% 基于频域特征估计PSF
[Pxx, Pyy] = freqz2(PSF);
f = fft2(img);
K_est = sqrt(Pxx.*conj(f(:,:,1)).^2 + Pyy.*conj(f(:,:,2)).^2);