基于维纳滤波的运动模糊图像复原系统

资 源 简 介

该系统旨在利用维纳滤波算法对受到水平运动模糊和加性噪声污染的图像进行高质量复原。在实际应用场景中，如高速摄像机拍摄或手持抖动，图像往往会因为物体的相对运动而产生运动模糊，同时由于光电传感器限制会引入随机噪声。本项目通过建立退化模型，采用频率域处理方法，在最小均方误差的准则下寻求原始图像的最优估计。系统首先仿真生成水平方向的位移向量，模拟运动模糊过程并加入高斯白噪声。核心的维纳滤波算法通过权衡逆滤波的增强效果与噪声放大的风险，在功率谱比已知或估计的前提下，有效地抑制原始图像中的模糊效应并平滑噪声。该算法能够

详 情 说 明

基于维纳滤波的运动模糊图像复原系统

项目介绍

本项目是一个基于维纳滤波（Wiener Filtering）算法的图像处理系统，专门用于修复受水平运动模糊和加性高斯白噪声干扰的图像。在实际场景中，由于相机抖动或物体快速移动，采集到的图像往往会出现拖影。本项目通过数学建模模拟这一退化过程，并在频率域利用最小均方误差准则（LMMSE）对原始图像进行最优估计。与传统的逆滤波相比，该系统在恢复图像清晰度的同时，能通过调节参数有效抑制噪声放大，是一种鲁棒性较强的图像复原方案。

功能特性

1. 运动模糊仿真：系统能够模拟特定的水平线性运动模糊，默认参数设置位移长度为35像素，角度为0度。
2. 噪声抑制能力：在复原过程中考虑了加性高斯白噪声的影响，通过维纳滤波的平衡机制防止噪声在频率域被过度放大。
3. 频率域底层实现：系统直接通过二维快速傅里叶变换（FFT2）处理图像，展示了维纳滤波从空间域到频率域转换的核心数学逻辑。
4. 自动化性能评估：内置客观评价指标，通过计算复原前后的峰值信噪比（PSNR）来量化复原效果。
5. 直观结果展示：提供原始图像、退化图像与复原图像的三栏对比视图，并实时打印实验统计数据。

系统逻辑与实现细节

该系统的执行过程严格遵循以下技术流程：

1. 图像预处理

系统读取内置的标准灰度图像，将其转换为双精度浮点型（double）进行处理。如果输入为彩色图像，系统会自动将其转换为灰度图，以确保算法在单通道上正常运行。

1. 物理退化建模

利用特定的数学算子生成点扩散函数（PSF）。该算子模拟了长度为35像素的水平位移。随后使用循环卷积（circular convolution）将该算子应用于原始图像产生模糊效果，并叠加载荷方差为0.001的高斯白噪声。

1. 核心复原算法：手动频率域维纳滤波

这是系统的技术核心。系统并未直接调用封装好的库函数，而是手动实现了维纳滤波的传递函数公式。其逻辑如下： 首先，通过二维快速傅里叶变换将退化图像和点扩散函数变换至频率域。 其次，计算点扩散函数的共轭及其幅值的平方。 最后，应用维纳滤波准则公式，通过引入参数K（经验值为0.02）作为信噪比的倒数，在频率域对退化图像进行补偿。这种方法能够有效地在“恢复细节”与“限制噪声”之间找到平衡点。

1. 图像重建与输出

处理后的频率域数据通过逆快速傅里叶变换（IFFT2）返回空间域，并取实部得到最终的复原图像。

1. 客观评价子函数

系统包含一个专门用于计算峰值信噪比（PSNR）的内部函数。该函数通过对比原始图像与处理后图像的均方误差（MSE），得出以分贝（dB）为单位的数值，数值越高代表图像质量改善越明显。

使用方法

1. 环境配置：启动 MATLAB。
2. 准备图像：确保工作路径中存在程序所需的原始图像文件。
3. 执行程序：运行主控脚本函数。
4. 结果查看：程序执行完毕后会自动弹出可视化窗口，展示三个阶段的图像对比；同时，MATLAB 命令行窗口会显示具体的运动参数、噪声水平以及复原前后的 PSNR 统计结果。

系统要求

1. 软件环境：MATLAB R2016a 或更高版本。
2. 必备工具箱：Image Processing Toolbox（图像处理工具箱）。
3. 硬件环境：支持图形化输出的计算机，内存建议 4GB 以上以确保 FFT 运算的流畅性。