图像盲反卷积复原系统

资 源 简 介

本项目实现了一个用于图像修复的盲反卷积算法框架，专门针对在点扩散函数（PSF）未知或难以精确测量的情况下，对受到模糊干扰的灰度图像进行清晰化处理。系统利用MATLAB强大的矩阵运算能力，采用基于最大似然估计的循环迭代优化机制，通过交替估计原始场景图像和点扩散函数特征，逐步消除图像中的运动模糊、离焦模糊及光学系统误差。在具体执行过程中，该功能支持对输入图像进行自适应边界预处理以减少边界伪影，并允许用户自定义迭代权重与阻尼因子，从而在抑制噪声放大和保留图像边缘细节之间取得最佳平衡。该实现方案不仅能有效恢复图像的纹理细节，还能同时输出估计出的PSF模型，为后续的图像物理特性分析提供依据。该技术在天文观测图像修复、医学X光影像增强、监控设备录像清晰化以及民用摄影后期运动补偿等领域具有极高的实用价值。

详 情 说 明

基于MATLAB的高性能图像盲反卷积复原系统

本项目提供了一个全流程的图像盲反卷积复原方案，旨在解决点扩散函数（PSF）未知情况下的图像模糊修复问题。系统通过模拟真实的物理退化过程，利用迭代优化算法同时估计原始图像与模糊核，实现对受损图像的清晰化处理，并提供多维度的质量评价指标。

项目介绍

盲反卷积是图像处理领域的一项挑战性任务，其核心在于从仅有的观测图像中同时恢复出理想图像和退化函数。本项目基于MATLAB环境开发，集成了一套从图像降质模拟、参数化配置、核心迭代恢复到量化评估的完整工作流。系统特别针对运动模糊和加性噪声干扰进行了优化，适用于天文成像、监控复原及医学影像增强等场景。

功能特性

• 自适应环境初始化：支持读取本地标准测试图像或自动生成合成几何图像，并自动完成灰度化与浮点精度转换。
• 降质过程模拟：内置运动模糊仿真器，可自定义模糊长度与角度，并支持注入受控的高斯白噪声。
• 边界伪影抑制：结合自适应边界平滑技术（Edge-tapering）与权重矩阵（Weighting）控制，显著平衡图像边缘与中心区域的复原质量。
• 双变量同步估计：采用最大似然估计框架，在迭代过程中同步更新图像像素值与点扩散函数（PSF）模型。
• 鲁棒性参数控制：引入阻尼因子机制，有效防止噪声在迭代过程中过度放大，保留关键纹理细节。
• 多指标评价体系：自动计算峰值信噪比（PSNR）与结构相似度（SSIM），并生成误差分布热力图。

系统要求

• 操作系统：Windows, macOS 或 Linux
• 运行环境：MATLAB R2016b 及以上版本
• 所需工具箱：Image Processing Toolbox（图像处理工具箱）

复原逻辑与实现流程

1. 数据预处理：系统首先将输入图像转化为双精度浮点数（im2double），并确保其处于单通道灰度模式，为矩阵运算奠定基础。
2. 退化建模：通过预设模糊参数构建真实的运动点扩散函数，执行卷积运算模拟物理退化，并添加方差为0.0001的高斯噪声以模拟低信噪比环境。
3. 初始化配置：

* 预设初始PSF尺寸（如15x15像素的正方形矩阵）并均衡赋初值。 * 定义迭代次数（默认35次）以平衡收敛深度与计算功耗。 * 根据噪声水平设定阻尼因子，用于区分信噪比差异较大的像素区域。

1. 执行复原：

* 利用边界平滑函数对模糊图像进行预处理，减少傅里叶变换产生的边界振铃效应。 * 调用盲反卷积核心引擎，结合权重矩阵屏蔽边缘像素对PSF估计的影响，通过多次迭代逼近最优解。

1. 结果产出：系统输出复原后的清晰图像以及算法反推得到的估计PSF，并生成六路对比视图。

关键函数与算法分析

• Lucy-Richardson 迭代算法：本项目复原引擎的核心。它通过交替迭代计算，利用当前估计生成的模糊图像与实际观测图像的比值，不断修正图像估计值和PSF估计值。
• 边界平滑逻辑（edgetaper）：在反卷积前通过点扩散函数对图像边界进行加权处理，使图像周期化，从而降低因卷积边界不连续导致的边缘噪声。
• 权重矩阵（Weighting）：通过手动构建逻辑矩阵，赋予边缘像素较低的权重（0），使得算法在更新PSF时更聚焦于图像内部特征，避免边缘截断误差干扰。
• PSNR 指标计算：通过计算原始参考图像与复原图像之间的均方误差（MSE），量化图像重建的保真度，单位为分贝（dB）。
• SSIM 指标计算：从亮度（均值）、对比度（方差）和结构（协方差）三个维度评估复原图像与原图的相似性，相比PSNR更能反映人眼的视觉感知质量。

使用方法

1. 启动 MATLAB 软件。
2. 将包含系统脚本的所有文件置于当前工作路径。
3. 运行系统主函数。
4. 程序将自动执行所有步骤，并弹出可视化结果窗口。
5. 在命令行窗口查看 PSNR、SSIM 以及迭代配置的详细报告。