【正文】 參考文獻(xiàn) [1] 楊杰，. 北京：電子工業(yè)出版社 ,2010. [2] ：清華大學(xué)出版社,2007. [3] ：科學(xué)出版社,2007. [4] 阮秋琦，(第二版).北京：電子工業(yè)出版社,2005. [5] [M].北京：高等教育出版社，2005.本科生課程設(shè)計成績評定表姓 名性 別專業(yè)、班級課程設(shè)計題目：課程設(shè)計答辯或質(zhì)疑記錄：成績評定依據(jù)：最終評定成績（以優(yōu)、良、中、及格、不及格評定）指導(dǎo)教師簽字： 年 月 日+165。其實(shí)每次做課程設(shè)計的時候，剛開始都是從資料的收集開始的，通過了解相關(guān)的知識之后，自己再開始動手做，這收集資料和解決問題的過程就是自己進(jìn)步的開始，就是在這次課程設(shè)計中學(xué)到的東西，累計的經(jīng)驗(yàn)。選擇的幾種方法是比較常用的，也是比較有代表性的方法，在利用這幾種方法實(shí)現(xiàn)運(yùn)動模糊圖像復(fù)原的過程中，學(xué)到了逆濾波和維納濾波的特點(diǎn)以及適用的范圍。在設(shè)計程序的時候，由于設(shè)計題目有要求說維納濾波不能直接調(diào)用Matlab庫中的函數(shù)，所以要根據(jù)維納濾波的公式進(jìn)行編寫，而且對于逆濾波，Matlab中沒有直接可以調(diào)用的函數(shù)，也要根據(jù)公式來進(jìn)行編寫，剛開始不知道從何下手，后來進(jìn)過查找一些相關(guān)的資料，然后根據(jù)自己設(shè)計題目的要求進(jìn)行一些改動，得到了我所需要的結(jié)果，并且根據(jù)這些程序進(jìn)行了一些分類比較，使得結(jié)果更具有代表性。由于之前的課程有涉及到相關(guān)的知識，所以基本的原理剛開始是知道的，但是如果是涉及到在Matlab中編寫程序，還有一些知識我并不是很懂，所以在進(jìn)行設(shè)計之前，我查閱了相關(guān)的文章，但是一般的文章都是只進(jìn)行算法的研究，而沒有實(shí)際的代碼，而且可能由于我看到的都是碩士的論文，所以研究的方面很全，涉及到的知識也很多，對于我這次做課程設(shè)計來說，顯得復(fù)雜了一些。6 心得體會本次課程設(shè)計主要是針對運(yùn)動模糊圖像進(jìn)行研究。這樣實(shí)際圖像的復(fù)原質(zhì)量就和我們所模擬的退化過程與實(shí)際過程之間的近似度有很大的關(guān)系。(4)退化模型的建立。(3)運(yùn)算精度。這樣就會產(chǎn)生由于模糊精度的估計誤差所產(chǎn)生的圖像復(fù)原質(zhì)量變差。(2)點(diǎn)擴(kuò)散函數(shù)問題。模糊圖像產(chǎn)生的過程中,每個像素都是由相鄰像素的加權(quán)值得到的。因其振鈴現(xiàn)象的原因有很多種，例如：圖像在退化的過程中高頻分量的丟失、在估計退化函數(shù)的時候誤差的影響以及圖像復(fù)原模型的選取不當(dāng)均是引起振鈴現(xiàn)象的因素。圖像邊界出現(xiàn)的橫條紋稱為邊界振鈴，圖像色度或灰度變化較大的部分產(chǎn)生的振鈴稱為邊緣振鈴。在恢復(fù)圖像的過程中，每一個像素都需要相鄰像素的信息才可以進(jìn)行逆卷積，但由于位于圖像邊邊界的像素并沒有充分多的相鄰像素可以采用，這就會導(dǎo)致復(fù)原圖像的邊緣效果變差，并且整個圖像都會出現(xiàn)明暗相間的條紋，這就是振鈴效應(yīng)。而從另外一方面可以得知，運(yùn)動模糊加噪后的圖像進(jìn)行維納濾波的效果比逆濾波的效果好得多，所以這種最小均方誤差濾波的方法可以適用于加噪干擾的信號恢復(fù)。)。title(39。 subplot(2,2,4)。 restore2=HW1.*F1。)。title(39。 subplot(2,2,3)。 restore1=HW.*F1。 F1=fftshift(fft2(f))。)。title(39。 subplot(2,2,2)。gaussian39。 I0=real(ifft2(fftshift(G)))。 spectrum()=(abs(H(u,v)))^2。H=zeros(m,n)。F=fftshift(fft2(Blurred))。%自編函數(shù)進(jìn)行維納濾波%k=。原圖像39。imshow( Blurred)。)。下面取兩個K值對圖像進(jìn)行維納濾波，根據(jù)維納濾波表達(dá)式編寫程序如下：Blurred=imread(39。用維納濾波復(fù)原圖像時，主要的任務(wù)是估計K值得大小，一般情況下K值可取經(jīng)驗(yàn)值或者通過人機(jī)對話進(jìn)行手工調(diào)節(jié)，前者雖然實(shí)施起來比較簡單但是復(fù)原效果不是很好，后者復(fù)原效果要好一些。)。title(39。subplot(2,2,4)。F3=F2./H。)。title(39。subplot(2,2,3)。gaussian39。)。title(39。subplot(2,2,2)。F1=F0./H。)。title(39。subplot(2,2,1)。 endendG=F.*H。k=。[m,n]=size(I)。39。4 運(yùn)動模糊圖像恢復(fù)實(shí)現(xiàn)首先，將該部分的圖像分為加噪和不加噪的運(yùn)動模糊圖像，分別對其進(jìn)行逆濾波，比較兩種不同情況下逆濾波的恢復(fù)效果。在實(shí)際的應(yīng)用過程中，往往不知道原圖像及噪聲的功率譜，并且估計起來十分困難，所以通常使用一個特殊的常量K來表示圖像的信噪比。從上式可以看出，維納濾波防止了退化函數(shù)等于零的問題出現(xiàn)(除非對于相同的v值，H (u ,v)和Sn(u ,v)都是0)，從而不會出現(xiàn)逆濾波復(fù)原的病態(tài)問題。維納濾波的基本思想是：認(rèn)為圖像和噪聲是隨機(jī)過程，在這個前提下尋找一個原圖像的近似估計值，使得兩者之間的均方誤差達(dá)到最小值。在這種情況下，在遠(yuǎn)離u, v平面的原點(diǎn)時N (u, v)/H (u ,v)的值會變得很大，然而對于大多數(shù)圖像而言F (u, v)卻會變小，也就是說噪聲反而占了優(yōu)勢，復(fù)原只能在與原點(diǎn)較近(接近頻域中心)的范圍內(nèi)進(jìn)行，那么得到的復(fù)原結(jié)果自然無法令人滿意。實(shí)際上，逆濾波法不能正確地估計H (u ,v)的零點(diǎn)，所以必須采用一個折中的方法加以解決。如果H (u ,v)有零點(diǎn)，那么在H (u ,v)零點(diǎn)處，N (u, v)/H (u ,v)就趨近于無窮大，公式就失去了意義，呈現(xiàn)病態(tài)，因此在這些點(diǎn)的圖像無法得到正確復(fù)原。另外，在用逆濾波法復(fù)原圖像時會出現(xiàn)一個問題：由于u, v平面上有些點(diǎn)或區(qū)域會使得H (u ,v) = 0，或者當(dāng) H (u ,v)非常小時，即使沒有噪聲也無法精確恢復(fù)原圖像。實(shí)際上即便知道了退化函數(shù)H