Function Code
function aOut = WienerFilter(aIn,k,a,b,T) %这仅仅是一个维纳滤波器 %k(默认为0.001)--->加到Huv2所有项上的一个规定常数，根据情况选择大小 %a(默认为0.1)--->x方向最大移动量（运动模糊图片） %b(默认为0.1)--->y方向最大移动量（运动模糊图片） %T(默认为1)--->移动到最大所需的时间 %aOut--->输出图像 %输入参数接收及预定义 if nargin == 1 k = 0.005; a = 0.1; b = 0.1; T = 1; elseif nargin == 2 a = 0.1; b = 0.1; T = 1; elseif nargin == 3 b = 0.1; T = 1; elseif nargin == 4 T = 1; end %读入退化图像并进行图像预处理 a1 = double(aIn); % figure,imshow(a1,[])%-------------图像--------------- %生成退化图像频谱图Guv（禁止填充） [ra,ca] = size(a1); [X,Y] = meshgrid(0:ca-1,0:ra-1); Guv = fft2(a1.*(-1).^(X+Y)); % figure,imshow(log(abs(Guv)+1),[])%-------------图像--------------- %生成退化传递函数Huv uaPvb = (Y-floor(ra/2)).*a+(X-floor(ca/2)).*b+eps; Huv = T.*sin(pi.*uaPvb).*exp(-1j.*pi.*uaPvb)./(pi.*uaPvb); Huv2 = abs(Huv).*abs(Huv); %估计函数公式 Fuv = (Huv2./(Huv2+k)./Huv).*Guv; %将得到的估计函数进行逆傅里叶变换 FxyShift = ifft2(Fuv); Fxy = real(FxyShift).*(-1).^(X+Y); % figure,imshow(Fxy,[])%-------------图像--------------- aOut = Fxy; end Demo Code
clear close all aIn3 = imread("paper3.jpg"); aIn2 = imread("paper2.jpg"); aIn1 = imread("paper1.jpg"); a3 = double(aIn3); a2 = double(aIn2); a1 = double(aIn1); k3 = 0.001; k2 = 0.0001; k1 = 0.00001; a = 0.1; b = 0.1; T = 1; aOut3 = WienerFilter(a3,k3,a,b,T); aOut2 = WienerFilter(a2,k2,a,b,T); aOut1 = WienerFilter(a1,k1,a,b,T); figure subplot(231),imshow(a3,[]),title("严重噪声") subplot(232),imshow(a2,[]),title("中度噪声") subplot(233),imshow(a1,[]),title("轻微噪声") subplot(234),imshow(aOut3,[]),title("k = "+string(k3)) subplot(235),imshow(aOut2,[]),title("k = "+string(k2)) subplot(236),imshow(aOut1,[]),title("k = "+string(k1)) Figure
说明：由于屏幕大小限制，噪声图像缩小后更加模糊
1、k3 = 0.05;k2 = 0.005;k1 = 0.001;
2、k3 = 0.01;k2 = 0.01;k1 = 0.008;
3、k3 = 0.1;k2 = 0.1;k1 = 0.1;
4、k3 = 0.001;k2 = 0.0001;k1 = 0.00001;
Conclusion
k值的过于增大，噪声明显被抑制，但是图像会变得更加模糊！
k值过于减小，会加强噪声，使噪声放大！
需要多次实验才能找到适合的k值！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/216228.html原文链接：https://javaforall.net
