MATLAB实现的图像复原系统：维纳滤波与逆滤波算法

资 源 简 介

本项目基于MATLAB实现了空间域图像恢复的维纳滤波与逆滤波算法，支持自定义点扩散函数与噪声参数，提供图像对比可视化及质量评估功能，适用于退化图像的智能复原研究。

详 情 说 明

基于空间域图像恢复的维纳滤波与逆滤波算法实现系统

项目介绍

本项目实现了一个基于频域滤波的图像恢复系统，专门用于处理因模糊和噪声导致的图像退化问题。系统核心采用逆滤波和维纳滤波两种经典算法，能够有效恢复退化图像的质量。通过自定义点扩散函数和噪声参数，用户可以模拟不同的图像退化场景，并直观比较不同滤波算法的恢复效果。

功能特性

• 逆滤波复原：针对不含噪声的退化图像，实现理想的逆滤波恢复
• 维纳滤波复原：针对含噪声的退化图像，采用维纳滤波进行最优恢复
• 参数自定义：支持用户自定义点扩散函数（高斯模糊核）参数和噪声参数
• 可视化对比：提供原始图像、退化图像及两种复原结果的四图对比显示
• 质量评估：自动计算PSNR和SSIM指标，量化评估图像恢复质量

使用方法

1. 准备输入图像：将待处理的灰度图像（支持.jpg/.png/.bmp格式）置于指定路径
2. 设置退化参数：

- 点扩散函数：高斯模糊核大小和标准差 - 噪声参数：加性高斯噪声的均值和方差（维纳滤波专用） - 维纳滤波参数：噪声功率谱与信号功率谱比值

1. 执行图像恢复：运行主程序，系统将自动完成图像退化模拟和两种滤波恢复
2. 查看结果：

- 在命令行查看PSNR和SSIM质量评估报告 - 在图形界面查看四图对比可视化结果

系统要求

• MATLAB R2018a或更高版本
• Image Processing Toolbox
• 支持的操作系统：Windows/Linux/macOS

文件说明

主程序文件实现了系统的核心功能流程，包括图像读取与预处理、点扩散函数建模、频域退化模拟、逆滤波与维纳滤波算法执行、图像质量评估指标计算以及多图对比可视化展示。该文件整合了所有关键算法模块，为用户提供完整的图像退化与恢复处理体验。