基于维纳滤波的运动模糊图像生成与恢复系统

资 源 简 介

本系统是一个专门针对数字图像降质与复原研究的仿真平台，核心功能涵盖了运动模糊效应的数学建模及基于统计最优准则的图像恢复。首先，系统利用MATLAB中的fspecial函数创建线性运动滤波器，通过精确控制运动位移长度和运动角度参数，模拟相机在曝光过程中由于相对运动产生的图像散布现象。随后，使用imfilter函数将定义的点扩散函数（PSF）作用于清晰的原始图像，生成典型的运动模糊降质图像。为了解决模糊后的图像恢复问题，系统引入了维纳滤波（Wiener Filtering）算法。维纳滤波通过引入信噪比参数，在

详 情 说 明

基于MATLAB的运动模糊图像生成与维纳滤波恢复系统

项目介绍

本项目是一个基于MATLAB开发的图像处理仿真系统，旨在研究与实现运动模糊图像的退化建模及其复原过程。系统通过数学手段模拟相机与物体之间的相对运动导致的图像质量下降，并采用统计最优的维纳滤波算法对降质图像进行修复，实现从模糊到清晰的逆向重建。该系统提供了一个完整的从预处理、退化模拟、参数估算到结果评估的可视化流程。

功能特性

1. 参数化运动模糊模拟：支持精确设置运动位移长度和运动角度，生成符合物理特性的点扩散函数（PSF）。
2. 复合降质模型：在模拟运动模糊的基础上，支持引入高斯噪声，以更真实地模拟复杂拍摄环境下的图像退化。
3. 维纳滤波复原：利用维纳滤波算法在频率域内进行反褶积运算，通过引入噪信比参数有效抑制噪声放大，实现图像恢复。
4. 图像质量量化评估：系统内置峰值信噪比（PSNR）计算功能，通过对比原始图像、降质图像与恢复图像的数值差异，客观评价复原效果。
5. 多窗口可视化对比：自动生成多子图显示窗口，直观展示图像处理前后的视觉变化及关键性能指标。

系统要求

• 运行环境：MATLAB R2016a 或更高版本
• 必备工具箱：Image Processing Toolbox（图像处理工具箱）

实现逻辑与算法细节

系统按照以下七个核心步骤依次执行：

1. 初始化与参数定义 系统首先清理工作空间，并预设核心仿真参数。其中包括运动位移长度（默认25像素）、运动方向角（默认15度）以及模拟环境中的加性高斯噪声方差（默认0.0005）。

2. 图像预处理逻辑 系统读取内置的标准测试图像（如cameraman.tif），并自动检测图像颜色空间。若为颜色图像则转换为灰度图。随后将图像数据转换为双精度浮点数（double），这是为了确保后续频率域计算的精度并防止灰度值溢出。

3. 运动模糊建模 系统调用相关函数创建“motion”类型的点扩散函数（PSF）。卷积操作采用循环卷积（circular）模式，这能有效减少图像边缘产生的人为伪影。PSF的大小由运动位移长度和角度共同决定。

4. 噪声注入过程 为了模拟真实世界的传感精度限制，系统在已模糊的图像上叠加均值为零的高斯白噪声。这一步骤使得恢复过程更具挑战性，也更符合实际应用场景。

5. 维纳滤波器实现 这是系统的核心算法环节。系统通过估算的噪信比（NSR）来配置滤波器。NSR的计算方式为：预设噪声方差除以原始图像内容的方差。维纳滤波函数利用该比值在恢复信号与抑制噪声之间寻找最优平衡点，避免了简单逆滤波在频率零点附近的噪声极度放大问题。

6. 峰值信噪比(PSNR)分析 系统通过一个内部定义的评估标准来量化复原质量。计算逻辑基于均方误差（MSE），通过测量处理后图像与原始参考图像在像素级的均方差异，最终以分贝（dB）为单位输出PSNR值。

7. 结果可视化与控制台反馈 系统生成一个宽屏视图窗口，同步显示“原始清晰图像”、“降质（模糊+噪声）图像”以及“维纳滤波恢复图像”。同时，系统会在控制台实时打印当前运行的物理参数、估算的噪信比以及最终的PSNR提升数值。

使用方法

1. 启动MATLAB软件。
2. 将系统相关代码所在的文件夹设置为当前工作路径。
3. 运行主程序脚本。
4. 程序将自动弹出一个图像对比窗口，显示降质与复原的全过程。
5. 如需测试不同环境，可修改程序开头的参数设置部分（motion_len, motion_angle, noise_var），保存并重新运行即可观察不同程度退化对恢复效果的影响。