【正文】 d來執(zhí)行盲去卷積，它有如下語法：[f,PSFe]=deconvblind(g,INITPSF)其中，g代表退化函數(shù)，INITPSF是點擴散函數(shù)的出事估計。似然函數(shù)用、和來加以表達，然后，問題就變成了尋求最大似然函數(shù)。 在過去的20年里，一種盲去卷積的方法已經(jīng)受到了人們的極大重視，它是以最大似然估計(MLE)為基礎(chǔ)，即一種用被隨機噪聲所干擾的量進行估計的最優(yōu)化策略。 盲去卷積通常圖像恢復(fù)方法均在成像系統(tǒng)的點擴展函數(shù)PSF已知下進行, 實際上它通常是未知的. 在 PSF未知的情況下, 盲去卷積是實現(xiàn)圖像恢復(fù)的有效方法。因為圖像中信噪比高的部分可能需要數(shù)百次迭代才能獲得滿意的結(jié)果；而另一些光滑的對象可能只需很少次數(shù)即可達到滿意的結(jié)果，所以適當選擇迭代次數(shù)對圖像恢復(fù)也很重要。但由于迭代產(chǎn)生的噪聲痕跡是最大化可能性數(shù)據(jù)逼近法的常見問題，在低信噪比條件下，恢復(fù)圖像可能會出現(xiàn)一些斑點，這些斑點并不代表圖像的真實結(jié)構(gòu)，只不過是恢復(fù)圖像過于逼近噪聲所產(chǎn)生的結(jié)果。)。title(39。subplot(2,2,4)。加噪后的圖像39。imshow (BN)。)。title(39。subplot(2,2,2)。原始圖像39。imshow(I)。 luc=deconvlucy(BN,PSF,5)。gaussian39。 V=.003。conv39。symmetric39。,5,5) 。 PSF=fspecial(39。C:\ok\39。WEIGHT是一個與g同樣大小的數(shù)組，它為每一個像素分配一個權(quán)重來反映其重量。它的非線性本質(zhì)是在方程右邊用來除產(chǎn)生的[4]。當下面這個迭代收斂時模型的最大似然函數(shù)就可以得到一個令人滿意的方程： *代表卷積，代表未退化圖像的估計，g和h和以前定義一樣。因為原圖像和噪聲函數(shù)都是已知的，可以正確的估算參量。 運行結(jié)果如下：原始圖：復(fù)原后圖像：經(jīng)過仿真，如上圖所示，可以看出逆濾波復(fù)原與維納濾波復(fù)原的區(qū)別和聯(lián)系。imshow(uint8(I3))。 I3=ifft2(fftshift(F2))。 H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+K))。 for u=1:m for v=1:n H(u,v)=exp(k*(((um/2)^2+(vn/2)^2)^(5/6)))。)。title(39。 subplot(2,2,3)。 F1=F0./H。)。title(39。,0,) subplot(2,2,2)。 I1=imnoise(uint8(I0),39。 end end G=F.*H。 k=。 [m,n]=size(I)。轉(zhuǎn)成黑白圖像39。imshow(I)。 %將原圖像轉(zhuǎn)化為黑白圖figure。 imshow(I)。C:\ok\39。MATLAB語言程序clear。 ②①的維納濾波要求未退化圖像和噪聲的功率必須是已知的。在H(u,v)很小或等于零時，P(u,v)的分母不為零，維納濾波沒有病態(tài)問題[7]。維納濾波的復(fù)原濾波函數(shù)，即濾波器的傳遞函數(shù)為： ① 沒有噪聲時，維納濾波退化為逆濾波。維納濾波需要假定下述條件成立： 系統(tǒng)為線性空間移不變系統(tǒng)。 采用維納濾波是假設(shè)圖像信號可以近似看成平穩(wěn)隨機過程的前提下，按照使f(x,y)和f(x,y)之間的均方誤差達到最小的準則函數(shù)來實現(xiàn)圖像復(fù)原的，即 式中，E（?）代表求期望值。維納濾波是維納在1949年提出的，并應(yīng)用于一維平穩(wěn)時間序列，獲得了滿意的結(jié)果。通常，在離頻率平面原點較遠的地方數(shù)值較小或為零，因此圖像復(fù)原在原點周圍的有限區(qū)域內(nèi)進行，即將退化圖像的傅里葉頻譜限制在沒出零點而且數(shù)值又不是太小的有限范圍內(nèi)。這意味著退化圖像中小噪聲的干擾在H(u,v)較小時，會對逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)的圖像和f(x,y)相差很大，甚至面目全非。但在實際中用逆濾波法存在病態(tài)的情況：當H(u,v)=0時，或非常小的數(shù)值點上，F(xiàn)(u,v)將變成無窮大或非常大的數(shù)。1．在不考慮噪聲的情況下： 上式兩邊進行傅里葉變換得 則原始圖像 = 然后進行傅里葉逆變換，就可以得到原始圖像。圖像f(x,y)可以表示為：用卷積符號*表示為： 因此還有： 式中，是像素點的特性函數(shù)，為沖擊響應(yīng)。 典型的圖像復(fù)原是根據(jù)圖像退化的先驗知識建立一個退化模型，以此模型為基礎(chǔ)，采用各種逆退化處理的方法進行恢復(fù)，使圖像質(zhì)量得到改善。為了得到逆問題的有用解，圖像復(fù)原本身往往需要一個質(zhì)量標準，即衡量接近全真景物圖像的程度，或者說，對圖像的估計是否達到最佳的程度。廣義上講，圖像復(fù)原是一個求逆問題，逆問題經(jīng)常存在非唯一解，甚至無解。目的在于消除或減輕在圖像獲取以及傳輸?shù)倪^程中造成的圖像品質(zhì)下降，恢復(fù)圖像的本來面目。2圖像復(fù)原圖像在形成、傳輸和記錄過程中，由于受到多種原因的影響，圖像的質(zhì)量就會有所下降，典型的表現(xiàn)為圖像模糊、失真、有噪聲等，這一過程稱為圖像的退化[5]。可用逆濾波復(fù)原、維納濾波復(fù)原等方法實現(xiàn)圖像復(fù)原。校正、直方圖均衡、中值濾波等都是MATLAB提供的關(guān)于圖像統(tǒng)計的計算。MATLAB提供了離散傅里葉變換（DFT）、快速傅里葉變換（FFT）、離散余弦變換（DCT），連續(xù)小波變換（CWT）、離散小波變換（DWT）及其反變換等變換。例如，conv2(X，Y)實現(xiàn)了X，Y兩幅圖像的卷積。（2）圖像處理的基本運算。（1）讀寫和顯示數(shù)字圖像的文件格式。它所支持的圖像處理操作有：圖像的鄰域操作、圖像的區(qū)域操作、圖像的幾何操作、圖像變換、圖像恢復(fù)、圖像增