基于多算法融合的图像去噪与去模糊复原系统

资 源 简 介

本项目开发一个完整的图像复原平台，旨在从退化图像中恢复原始场景的真实面貌。系统集成了多种经典与现代图像复原算法，主要功能包括：1. 噪声去除：针对高斯白噪声、椒盐噪声及相关噪声，实现了自适应维纳滤波、中值滤波及小波阈值去噪；2. 去模糊处理：针对运动模糊、大气湍流模糊及散焦模糊，提供了逆滤波、约束最小二乘方滤波（维纳滤波）以及Richardson-Lucy迭代盲反卷积算法，能够有效估计点扩散函数（PSF）并重构清晰图像；3. 质量评估：内置客观评价指标模块，自动计算峰值信噪比（PSNR）和结构相似性（SSIM），帮助用户量化复原效果。该程序结构模块化，代码注释清晰，既适合图像处理初学者学习核心算法原理，也能满足科研人员对特定退化模型进行实验验证的需求，广泛应用于监控图像增强、医学影像处理及老旧照片修复领域。

详 情 说 明

基于MATLAB的高级图像复原处理系统

项目简介

本项目实现了一个模块化的图像复原实验平台，旨在演示和评估针对不同退化模型（噪声干扰、模糊退化）的经典与现代图像复原算法。系统能够自动加载测试图像，模拟环境退化，并应用多种滤波和反卷积技术进行重建，最后通过客观评价指标量化复原质量。该系统代码结构清晰，集成了从预处理、退化模拟、算法复原到可视化评估的完整流程。

功能特性

本项目在代码层面实现了以下核心功能：

• 智能图像加载：具有异常处理机制的图像读取功能，优先加载标准测试图（cameraman.tif），若缺失则自动回退至备选图像并进行灰度化处理。
• 多类型噪声去除：

* 针对高斯白噪声的自适应维纳滤波处理。 * 基于小波变换的软阈值去噪算法（使用db4小波基）。 * 针对椒盐噪声的二维中值滤波处理。

• 运动模糊复原：

* 模拟运动模糊及伴随的高斯噪声环境。 * 实现带频率截断的逆滤波算法。 * 实现约束最小二乘方滤波（维纳反卷积）。 * 应用Richardson-Lucy（RL）迭代复原算法。

• 频谱分析：提供二维傅里叶变换后的对数幅度谱显示，辅助通过频域观察噪声分布。
• 客观质量评估：自动计算全流程的峰值信噪比（PSNR）和结构相似性（SSIM），并在控制台输出详细的性能对比报告。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）
• Wavelet Toolbox（小波工具箱）

使用方法

1. 确保MATLAB路径中包含测试图像 cameraman.tif 或 peppers.png（MATLAB通常内置这些图像）。
2. 直接运行脚本文件。
3. 程序将自动打开一个综合演示窗口，显示原始图像、退化图像、各算法复原后的图像及频谱图。
4. MATLAB命令行窗口（Command Window）将输出详细的初始化信息、各阶段的处理状态以及最终的PSNR/SSIM指标对比表。

详细实现逻辑与算法分析

脚本采用顺序执行流，主要分为图像预处理、噪声去除实验、去模糊复原实验三个主要部分，并通过子函数封装核心算法。

1. 图像预处理

程序首先清空环境，尝试读取图像并将其转换为双精度浮点型 [0, 1] 区间。这一步确保了后续数学运算（如傅里叶变换、卷积）的精度和兼容性。

2. 噪声去除实验

该模块演示了针对不同噪声类型的最佳处理策略：

• 高斯噪声处理：

* 模拟：使用 imnoise 添加均值为0、方差为0.0025的高斯白噪声。 * 自适应维纳滤波：调用 wiener2，使用 5x5 的邻域窗口，该算法能根据图像的局部方差自动调节平滑程度，在去除噪声的同时保留边缘。 * 小波阈值去噪：通过自定义函数 wavelet_denoise 实现。对图像进行3层小波分解（db4小波基），利用第一层对角细节系数估计噪声标准差，计算通用阈值（VisuShrink），并对高频系数应用软阈值处理，最后重构图像。

• 椒盐噪声处理：

* 模拟：使用 imnoise 添加密度为0.05的椒盐噪声。 * 中值滤波：调用 medfilt2，使用 3x3 窗口。中值滤波是一种非线性滤波，能有效去除孤立的脉冲噪声点而不模糊图像边缘。

3. 去模糊复原实验

该模块专注于单一类型的模糊复原——运动模糊：

• 模拟退化：利用 fspecial 生成长度为21、角度为11度的运动模糊点扩散函数（PSF），并在模糊后叠加微量高斯噪声（方差0.0001），模拟真实的拍摄环境。
• 逆滤波 (Inverse Filtering)：通过自定义函数 inverse_filter 实现。该算法在频域直接用退化图像除以PSF。为了解决H(u,v)接近零时放大噪声的问题，代码实现了一种基于阈值（0.02）的截断策略，防止除零溢出。
• 维纳滤波/约束最小二乘方 (Wiener Deconvolution)：调用 deconvwnr。代码计算了噪声与信号的方差比（NSR），以此作为参数进行正则化复原，在去模糊和噪声放大之间取得平衡。
• Richardson-Lucy 算法：调用 deconvlucy，设定迭代次数为30次。这是一种基于贝叶斯推断的迭代算法，适用于泊松噪声模型，通常能获得比线性方法更好的边缘锐度。

4. 质量评估与可视化

• 可视化：使用 subplot 创建 3x4 的布局，展示了从原图、退化图到各种复原结果的对比，并包含关键的频谱图分析。所有的图像标题动态包含了计算出的PSNR和SSIM值。
• 指标计算：通过 calculate_metrics 子函数实现了统一的评估标准。

* PSNR (Peak Signal-to-Noise Ratio)：衡量图像的像素误差，数值越大表示失真越小。 * SSIM (Structural Similarity Index)：从亮度、对比度和结构三个维度衡量图像相似度，比PSNR更符合人眼视觉感知。