目录

1.前言

2.算法运行效果图预览

3.算法运行软件版本

4.部分核心程序

5.算法仿真参数

6.算法理论概述

7.参考文献

8.算法完整程序工程

---

1.前言

       在图像获取过程中，由于相机抖动、物体运动、聚焦不准或光学系统像差等原因，图像往往会发生模糊。图像模糊本质上是图像与一个模糊核 (也称为点扩散函数，PSF) 的卷积过程，同时还会受到噪声的干扰。图像恢复的目标就是从模糊图像中尽可能准确地重建原始清晰图像。

2.算法运行效果图预览

(完整程序运行后无水印)

3.算法运行软件版本

Matlab2024b(推荐)或者matlab2022a

4.部分核心程序

（完整版代码包含中文注释和操作步骤视频）

    %产生抖动因子PSF
    PSF     = fspecial( 'motion',LEN,THETA);
    %产生抖动效果图
    Ipsf    = imfilter(Io,PSF,'circular','conv');

    %自定义抖动模型
    [height,width] = size(Io);
    motion         = 28;
    h              = 1/motion * ones(1,motion);
    %进行维纳滤波，即不知道一直的抖动因子PSF 
    J              = deconvwnr(Ipsf,h,0.001);
23_007m

5.算法仿真参数

LEN   = 30; %模糊长度，即实际中的抖动幅度
THETA = 0;  %模糊角度，即实际中的抖动方向,%一般仅考虑水平抖动和垂直抖动

6.算法理论概述

       维纳滤波是一种经典的线性最小均方误差 (LMMSE) 估计方法，由美国数学家诺伯特・维纳 (Norbert Wiener) 在20世纪40年代提出。在图像恢复领域，维纳滤波通过最小化估计图像与原始图像之间的均方误差来设计最优滤波器。维纳滤波的传递函数可以表示为:

维纳滤波的核心思想是在频域中对噪声和信号进行权衡:

基于维纳滤波的图像去模糊算法可以分为以下几个主要步骤:

读取模糊图像

1.估计或确定点扩散函数 (PSF)

2.计算PSF的傅里叶变换

3.估计噪信比参数K

4.计算维纳滤波传递函数

5.应用维纳滤波器

6.逆傅里叶变换得到去模糊图像

7.图像增强与后处理

7.参考文献

[1]孙成阳.基于主观评价的维纳滤波图像去模糊研究[D].浙江工业大学[2025-06-25].

[2]张德丰,张葡青.维纳滤波图像恢复的理论分析与实现[J].中山大学学报：自然科学版, 2006, 45(6):4.DOI:10.3321/j.issn:0529-6579.2006.06.010.

8.算法完整程序工程

OOOOO

OOO

O