Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

deconvwnr

使用 Wiener 滤波对图像进行去模糊处理

说明

示例

J = deconvwnr(I,psf,nsr) 使用 Wiener 滤波算法对图像 I 进行反卷积,从而返回去模糊后的图像 Jpsf 是对 I 进行卷积的点扩散函数 (PSF)。nsr 是加性噪声的噪信功率比。在估计图像与真实图像之间的最小均方误差意义上,该算法是最优的。

J = deconvwnr(I,psf,ncorr,icorr) 对图像 I 进行反卷积,其中 ncorr 是噪声的自相关函数,icorr 是原始图像的自相关函数。

J = deconvwnr(I,psf) 使用 Wiener 滤波算法对图像 I 进行反卷积,无估计噪声。在不含噪情况下,Wiener 滤波等效于理想的逆滤波。

示例

全部折叠

将图像读入工作区并显示它。

I = im2double(imread('cameraman.tif'));
imshow(I);
title('Original Image (courtesy of MIT)');

Figure contains an axes. The axes with title Original Image (courtesy of MIT) contains an object of type image.

仿真运动模糊。

LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
figure, imshow(blurred)

Figure contains an axes. The axes contains an object of type image.

仿真加性噪声。

noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
                        noise_mean, noise_var);
figure, imshow(blurred_noisy)
title('Simulate Blur and Noise')

Figure contains an axes. The axes with title Simulate Blur and Noise contains an object of type image.

尝试在假设没有噪声的情况下进行还原。

estimated_nsr = 0;
wnr2 = deconvwnr(blurred_noisy, PSF, estimated_nsr);
figure, imshow(wnr2)
title('Restoration of Blurred, Noisy Image Using NSR = 0')

Figure contains an axes. The axes with title Restoration of Blurred, Noisy Image Using NSR = 0 contains an object of type image.

尝试使用更好的噪信功率比估计值进行还原。

estimated_nsr = noise_var / var(I(:));
wnr3 = deconvwnr(blurred_noisy, PSF, estimated_nsr);
figure, imshow(wnr3)
title('Restoration of Blurred, Noisy Image Using Estimated NSR');

Figure contains an axes. The axes with title Restoration of Blurred, Noisy Image Using Estimated NSR contains an object of type image.

输入参数

全部折叠

模糊图像,指定为任意维度的数值数组。

数据类型: single | double | int16 | uint8 | uint16

点扩散函数,指定为数值数组。

数据类型: double

噪信比,指定为非负标量或与图像 I 大小相同的数值数组。如果 nsr 是数组,则它表示频谱域。为 nsr 指定 0 等效于创建一个理想的逆滤波器。

数据类型: double

噪声的自相关函数,指定为任意大小或维度(不超过原始图像)的数值数组。

  • 如果 ncorr 的维度与图像 I 的维度匹配,则值对应于每个维度内的自相关。

  • 如果 ncorr 是向量,psf 也是向量,则 ncorr 中的值表示第一个维度的自相关函数。

  • 如果 ncorr 是向量,psf 是数组,则一维自相关函数通过对称性外插至 psf 的所有非单一维度。

  • 如果 ncorr 是标量,则值表示图像噪声的功率。

数据类型: double

图像的自相关函数,指定为任意大小或维度(不超过原始图像)的数值数组。

  • 如果 icorr 的维度与图像 I 的维度匹配,则值对应于每个维度内的自相关。

  • 如果 icorr 是向量,psf 也是向量,则 icorr 中的值表示第一个维度的自相关函数。

  • 如果 icorr 是向量,psf 是数组,则一维自相关函数通过对称性外插至 psf 的所有非单一维度。

  • 如果 icorr 是标量,则值表示图像噪声的功率。

数据类型: double

输出参数

全部折叠

去模糊后的图像,以数值数组形式返回。JI 的数据类型相同。

提示

  • 输出图像 J 可能出现算法中使用的离散傅里叶变换引入的振铃效应。要减少振铃效应,请在调用 deconvwnr 之前使用 I = edgetaper(I,psf)

参考

[1] Gonzalez, R. C., and R. E. Woods. Digital Image Processing. Addison-Wesley Publishing Company, Inc., 1992.

在 R2006a 之前推出