模糊圖像處理

1、摘要 本文通過(guò)對(duì)模糊圖片模糊因素的分析，發(fā)現(xiàn)影響照片清晰度的因素主要有：光學(xué)系統(tǒng)的像差、 光學(xué)成像衍射、 成像系統(tǒng)的非線性畸變、 攝影膠片的感光的非線性、 成像過(guò)程的相對(duì)運(yùn)動(dòng)、 大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等。我們分別采用逆濾波復(fù)原、維納濾波復(fù)原、約束最小二乘法的方法對(duì)彩色模糊圖像分別進(jìn)行處理，比較得出維納濾波復(fù)原時(shí)最佳模型選擇；通過(guò)維納濾波復(fù)原和除噪處理相結(jié)合的方法對(duì)黑白模糊圖片進(jìn)行處理，從而得到最終復(fù)原圖像。因而得出維納濾波器是最佳模型。且將處理過(guò)的圖片與原圖片相比，效果較為顯著。關(guān)鍵字：模糊圖片處理，逆濾波復(fù)原原理，維納濾波復(fù)原原理，灰度級(jí)，除噪一、問(wèn)題重述在平時(shí)攝影中常拍出模糊的照片，

2、另外在刑事偵查、衛(wèi)星探測(cè)等領(lǐng)域，都非常需要將一張由于對(duì)焦不準(zhǔn)確，而拍出模糊的照片還原成清晰的圖像。給出一種算法，把模糊照片還原成清晰的圖像。我們需要模擬照片出現(xiàn)模糊的原因，將清晰的圖片按照一定的模型進(jìn)行退化和加噪聲等模糊處理，之后使用不同的遠(yuǎn)原理進(jìn)行復(fù)原，對(duì)比之后選擇好的方法進(jìn)行操作。二、問(wèn)題分析通過(guò)對(duì)模糊因素的分析，我們分別采用逆濾波復(fù)原、維納濾波復(fù)原、約束最小二乘法的方法對(duì)彩色模糊圖像進(jìn)行處理，通過(guò)維納濾波復(fù)原和除噪處理相結(jié)合的方法對(duì)黑白模糊圖片進(jìn)行處理，從而得到最終復(fù)原圖像。逆濾波復(fù)原濾波器對(duì)于沒(méi)有噪聲污染的圖片的處理，是很有效的，它是用退化函數(shù)除退化圖象的傅里葉變換F(u,v)來(lái)計(jì)算原

3、始圖象的傅里葉變換估計(jì)。由于逆濾波濾波器的幅值常隨著頻率的升高而升高，因此會(huì)增強(qiáng)高頻部分的噪聲。為了克服以上缺點(diǎn)，維納濾波復(fù)原則基于其之上采用最小均方誤差的方法進(jìn)行模糊圖象恢復(fù)。維納濾波是反卷積算法的一類(lèi)，廣泛用于一維信號(hào)和二維信號(hào)的處理，尤其是圖像復(fù)原領(lǐng)域?；叶燃?jí)就是指黑白顯示器中顯示像素點(diǎn)的亮暗差別，在彩色顯示器中表現(xiàn)為顏色的不同，灰度級(jí)越多，圖像層次越清楚逼真?；叶燃?jí)取決于每個(gè)像素對(duì)應(yīng)的刷新存儲(chǔ)單元的位數(shù)和顯示器本身的性能。結(jié)構(gòu)框架如下：源圖像輸入灰度調(diào)節(jié)運(yùn)動(dòng)模糊處理逆濾波復(fù)原維納濾波復(fù)原約束最小二乘法復(fù)原維納濾波復(fù)原除噪處理彩色圖像黑白圖像最終復(fù)原圖像三、模型假設(shè)及符號(hào)說(shuō)明3.1模型假

4、設(shè)1. 該圖片只是由于運(yùn)動(dòng)和噪聲影響，造成模糊。2. 所處理的圖片規(guī)格適當(dāng)，不超出算法使用范圍。3.2符號(hào)說(shuō)明f(i,j)表示圖像在位置（i,j）處的亮度值；f(x, y) 表示原圖像函數(shù)；H(x, y)表示圖像的退化函數(shù)；n(x,y)表示白性噪聲（即在實(shí)際應(yīng)用過(guò)程是一個(gè)常數(shù)）；g(x, y)表示退化后的圖像函數(shù)； 表示圖像和噪聲的自相關(guān)矩陣； n y方向的模糊點(diǎn)數(shù)；m x方向的模糊點(diǎn)數(shù)；F(u,v) 傅里葉變換函數(shù)； 估計(jì)的傅里葉變化值 四、模型建立與應(yīng)用1、 數(shù)字圖像模型未經(jīng)任何處理的圖像在空間和時(shí)間上是連續(xù)的二維函數(shù)，在計(jì)算機(jī)里要先對(duì)它進(jìn)行抽樣量化，即變?yōu)閿?shù)字圖像，之后才可以進(jìn)行各種處理

5、。數(shù)字圖像是一個(gè)整數(shù)陣列，最基本的表現(xiàn)形式就是矩陣。如，m*n的數(shù)字圖像F可以表示為：其中f(i,j)表示圖像在位置（i,j）處的亮度值。當(dāng)然，當(dāng)m或n為1時(shí)，此時(shí)的F就成了向量了。2、 圖像的退化與復(fù)原數(shù)字圖像在獲取的過(guò)程中，由于光學(xué)系統(tǒng)的像差、 光學(xué)成像衍射、 成像系統(tǒng)的非線性畸變、 攝影膠片的感光的非線性、 成像過(guò)程的相對(duì)運(yùn)動(dòng)、 大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因， 圖像會(huì)產(chǎn)生一定程度的退化。因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來(lái)面目， 這就是圖像復(fù)原， 也稱(chēng)為圖像恢復(fù)。圖像復(fù)原是試圖利用退化過(guò)程的先驗(yàn)知識(shí)使已退化的圖像恢復(fù)本來(lái)面目，即根據(jù)退化的原因，

6、分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型， 并沿著使圖 像降質(zhì)的逆過(guò)程恢復(fù)圖像。從圖像質(zhì)量評(píng)價(jià)的角度來(lái)看， 圖像 復(fù)原就是提高圖像的可理解性。圖像復(fù)原是利用退化現(xiàn)象的某種先驗(yàn)知識(shí)，建立退化現(xiàn)象的數(shù)學(xué)模型，再根據(jù)模型進(jìn)行反向的推演運(yùn)算，以恢復(fù)原來(lái)的景物圖像。因而，圖像復(fù)原可以理解為圖像降質(zhì)過(guò)程的反向過(guò)程。建立圖像復(fù)原的反向過(guò)程的數(shù)學(xué)模型，就是圖像復(fù)原的主 要任務(wù)。經(jīng)過(guò)反向過(guò)程的數(shù)學(xué)模型的運(yùn)算，要想恢復(fù)全真的景物圖像比較困難。所以，圖像復(fù)原本身往往需要有一個(gè)質(zhì)量標(biāo)準(zhǔn)，即衡量接近全真景物圖像的程度，或者說(shuō)，對(duì)原圖像的估 計(jì)是否到達(dá)最佳的程度。由于引起退化的因素眾多而且性質(zhì)不同，為了描述圖像退化過(guò)程

7、所建立的數(shù)學(xué)模型往往多種多樣，而恢復(fù)的質(zhì)量標(biāo)準(zhǔn)也往往存在差異性，因此圖像復(fù)原是一個(gè)復(fù)雜的數(shù)學(xué)過(guò)程，圖像復(fù)原的方法、技術(shù)也各不相同。2.1圖像退化的模型圖像復(fù)原處理的關(guān)鍵問(wèn)題在于建立退化模型。輸入圖像f(x, y)經(jīng)過(guò)某個(gè)退化系統(tǒng)后輸出的是一幅退化的圖像。如圖1所示，原始圖像f(x, y) 經(jīng)過(guò)一個(gè)退化算子或退化系統(tǒng)H(x, y) 的作用， 再和噪聲n(x,y)進(jìn)行疊加，形成退化后的圖像g(x, y)。圖1表示退化過(guò)程的輸入和輸出的關(guān)系，其中H(x, y)概括了退化系統(tǒng)的物理過(guò)程，就是所要尋找的退化數(shù)學(xué)模型。圖 圖像退化模型數(shù)字圖像的圖像恢復(fù)問(wèn)題可以看作是根據(jù)g(x,y)和H(x,y)沿著反過(guò)程

8、去求解原始圖像f(x,y)，或是逆向?qū)ふ以紙D像的最佳近似估計(jì)。圖像退化的過(guò)程可有下士表示： g(x,y)=Hf(x,y)+n(x,y) (2-1)在這里，n(x, y)是一種統(tǒng)計(jì)性質(zhì)的信息。在實(shí)際應(yīng)用中，往往假設(shè)噪聲是白噪聲，即它的頻譜密度為常數(shù)，并且與圖像不相關(guān)。在圖像復(fù)原處理中， 盡管非線性、 時(shí)變和空間變化的系統(tǒng)模型更具有普遍性和準(zhǔn)確性，更與復(fù)雜的退化環(huán)境相接近，但它給實(shí)際處理工作帶來(lái)了巨大的困難， 常常找不到解或者很難用計(jì)算機(jī)來(lái)處理。因此，在圖像復(fù)原處理中， 往往用線性系統(tǒng)和空間不變系統(tǒng)模型來(lái)加以近似。這種近似的優(yōu)點(diǎn)使得線性系統(tǒng)中的許多理論可直接用于解決圖像復(fù)原問(wèn)題，同時(shí)又不失可用性

9、。2.2勻速直線運(yùn)動(dòng)模糊的退化的模型在所有的運(yùn)動(dòng)模糊中，由勻速直線運(yùn)動(dòng)造成圖象模糊的復(fù)原問(wèn)題更具有一般性和普遍意義。因?yàn)樽兯俚?、非直線運(yùn)動(dòng)在某些條件下可以被分解為分段勻速直線運(yùn)動(dòng)。本節(jié)只討論由水平勻速直線運(yùn)動(dòng)而產(chǎn)生的運(yùn)動(dòng)模糊。假設(shè)圖像只是由x 軸方向勻速運(yùn)動(dòng)造成模糊的情況, 在y軸方向或者x、y 方向勻速運(yùn)動(dòng)的情況可以類(lèi)推, 則圖像函數(shù)可以寫(xiě)成f(x- x0(t),y)。這里x0(t)是沿x 軸方向運(yùn)動(dòng)的分量。設(shè)曝光時(shí)間為0tT, 在此期間移動(dòng)的距離是a, 所以x0(t)=at/T。在此情況下, 所形成的模糊圖像可以表示為 （2-2）式中的 是與照片感光靈敏度有關(guān)的系數(shù), 當(dāng)前已知g(x,y)

10、和a, 需要求出原圖像函數(shù)f(x,y)。由于模糊僅僅是在x 軸方向, 和y 軸方向無(wú)關(guān)。所以可以按行遞推恢復(fù)。當(dāng)在某一行y=y0 時(shí), 可以把g(x,y0)和f(x,y0)簡(jiǎn)寫(xiě)成g(x)和f(x)。則（2-2）可以簡(jiǎn)寫(xiě)為:可以發(fā)現(xiàn), 采用遞推的方法可以按行求出原始圖像的各點(diǎn)像素值。同樣的道理也可以得出在Y軸和X、Y軸同時(shí)做勻速直線運(yùn)動(dòng)時(shí)候的復(fù)原圖像。這樣可以理解此運(yùn)動(dòng)模糊與時(shí)間無(wú)關(guān)，而只與運(yùn)動(dòng)模糊的距離有關(guān)，在這種條件下，使實(shí)驗(yàn)得到簡(jiǎn)化。因?yàn)閷?duì)一幅實(shí)際的運(yùn)動(dòng)模糊圖象，由于攝像機(jī)不同，很難知道其曝光時(shí)間和景物運(yùn)動(dòng)速度。2.3點(diǎn)擴(kuò)散函數(shù)的確定不同的點(diǎn)擴(kuò)散函數(shù)（PSF）會(huì)產(chǎn)生不同的模糊圖象。明確的知

11、道退化函數(shù)是很有用的，有關(guān)它的知識(shí)越精確，則復(fù)原結(jié)果就越好。首先討論幾個(gè)典型的點(diǎn)擴(kuò)散函數(shù)。典型的點(diǎn)擴(kuò)散函數(shù)運(yùn)動(dòng)模糊的點(diǎn)擴(kuò)散函數(shù)：假設(shè)圖象是通過(guò)一個(gè)具有機(jī)械快門(mén)的攝像機(jī)獲得的。攝像機(jī)和拍攝物體在快門(mén)打開(kāi)期間T的相對(duì)運(yùn)動(dòng)引起物體在圖象中的平滑。假設(shè)V是沿x軸方向的衡常速度，時(shí)間T內(nèi)PSF的傅里葉變換H(u,v)由下式給出： （2-3）離焦模糊的點(diǎn)擴(kuò)散函數(shù)：由于焦距不當(dāng)導(dǎo)致的圖象模糊可以用如下函數(shù)表示： （2-4）其中是一階Bessel函數(shù)，a是位移。該模型不具有空間不變性。大氣擾動(dòng)的點(diǎn)擴(kuò)散函數(shù)：大氣的擾動(dòng)造成的圖象模糊在遙感和天文中是需要復(fù)原的。它是由大氣的不均勻性使穿過(guò)的光線偏離引起的，以下給出

12、了數(shù)學(xué)模型，其表達(dá)式為： （2-5）其中c是一個(gè)依賴擾動(dòng)類(lèi)型的變量，通常通過(guò)實(shí)驗(yàn)來(lái)確定。冪5/6有時(shí)用1代替。當(dāng)我們得到一幅退化圖象的時(shí)候，首先要判斷其退化類(lèi)型然后通過(guò)已知的先驗(yàn)知識(shí)進(jìn)行恢復(fù)。以下的討論主要針對(duì)運(yùn)動(dòng)模糊PSF進(jìn)行。運(yùn)動(dòng)模糊點(diǎn)擴(kuò)散函數(shù)的離散化對(duì)于運(yùn)動(dòng)模糊而言，根據(jù)相機(jī)與目標(biāo)的相對(duì)運(yùn)動(dòng)速度，相機(jī)的焦距以及相機(jī)相對(duì)目標(biāo)的距離等就可以計(jì)算出PSF。例如通過(guò)計(jì)算得到一幅模糊圖片的模糊方向是x=6,y=4，連續(xù)的PSF為見(jiàn)圖2(a)。根據(jù)式(2-6)和式(2-7)，可以得到離散化以后的PSF如圖2.2(b)?？梢钥吹接捎陔x散化的原因PSF并非是直線。在本文中的PSF均由此方法獲得。 （2-

13、6） （2-7）n：y方向的模糊點(diǎn)數(shù)；m：x方向的模糊點(diǎn)數(shù)。當(dāng)n>=m的時(shí)候用式(2-6)計(jì)算當(dāng)n<m的時(shí)候用式(2-7)計(jì)算。為取整符號(hào)。3、 運(yùn)動(dòng)模糊圖象的復(fù)原模型為了抑制退化而利用有關(guān)退化性質(zhì)知識(shí)的預(yù)處理方法為圖象復(fù)原。多數(shù)圖象復(fù)原方法是基于整幅圖象上的全局性卷積法。圖象的退化可能有多種原因：光學(xué)透鏡的殘次、光電傳感器的非線性、膠片材料的顆粒度、物體與攝像機(jī)間的相對(duì)運(yùn)動(dòng)、不當(dāng)?shù)慕咕?、遙感或天文中大氣的擾動(dòng)、照片的掃描等等。圖象復(fù)原的目標(biāo)是從退化圖象中重構(gòu)出原始圖象。運(yùn)動(dòng)模糊圖象的恢復(fù)是圖象復(fù)原的主要分支之一，它的恢復(fù)算法有很多種。有些算法雖然有很好的恢復(fù)效果，但算法復(fù)雜，恢復(fù)

14、時(shí)間比較長(zhǎng)（如最大熵法）。有些算法雖然計(jì)算速度較快，但恢復(fù)效果不盡人意（如空間域逆向恢復(fù)）。下面介紹逆濾波、維納濾波和有約束最小二乘濾波三種恢復(fù)方法的原理。3.1逆濾波復(fù)原逆濾波（去卷積）開(kāi)始被廣泛地應(yīng)用于數(shù)字圖象復(fù)原。由于和噪聲相比，信號(hào)的頻譜隨著頻率升高下降較快，因此高頻部分主要是噪聲。采用的是限定逆濾波傳遞函數(shù)最大值的方法。在同一時(shí)期，Harris采用PSF的解析模型對(duì)望遠(yuǎn)鏡圖象總由于大氣擾動(dòng)造成的模糊進(jìn)行了逆濾波處理，Mcglamery則采用由實(shí)驗(yàn)確定的PSF來(lái)對(duì)大氣擾動(dòng)圖象進(jìn)行逆濾波。從此以后，逆濾波就成了模糊圖象復(fù)原的一種標(biāo)準(zhǔn)技術(shù)?；謴?fù)退化圖象最簡(jiǎn)單的方法是直接逆濾波。在該方法中，

15、用退化函數(shù)除退化圖象的傅里葉變換F(u,v)來(lái)計(jì)算原始圖象的傅里葉變換估計(jì)，由式3-1可以得到逆濾波退化公式： （3-1）這個(gè)公式說(shuō)明逆濾波對(duì)于沒(méi)有被噪聲污染的圖象很有效，這里不考慮在u，v空間的某些位置上當(dāng)H(u,v)接近0時(shí)可能遇到的計(jì)算問(wèn)題，幸運(yùn)的是忽略這些點(diǎn)在恢復(fù)結(jié)果中并不會(huì)產(chǎn)生可感覺(jué)到的影響。但是，如果出現(xiàn)噪聲就會(huì)引起幾個(gè)問(wèn)題：第一，對(duì)于H(u,v)幅值比較小的頻率處噪聲的影響可能變得顯著起來(lái)。這種狀況通常對(duì)于高頻u，v。在實(shí)際中，通常H(u,v)幅值衰減得比N(u,v)快得多，因此噪聲的影響可能支配整個(gè)復(fù)原結(jié)果。將復(fù)原限定在H(u,v)足夠大得u，v原點(diǎn)處得一個(gè)小鄰域中，可以克服這

16、個(gè)問(wèn)題。第二個(gè)問(wèn)題針對(duì)噪聲本身的頻譜，我們通常沒(méi)有充分的有關(guān)噪聲的信息來(lái)足夠好地確定N(u,v)。為了克服H(u,v)接近0所引起的問(wèn)題，在分母中加入一個(gè)小的常數(shù)k，將式(3-1)修改為： （3-2）3.2 維納濾波復(fù)原在大部分圖象中，鄰近的像素是高度相關(guān)的，而距離較遠(yuǎn)的像素其相關(guān)性較弱。由此，我們可以認(rèn)為典型圖象的自相關(guān)函數(shù)通常隨著與原點(diǎn)的距離增加下降。由于圖象的功率譜是圖象本身自相關(guān)函數(shù)的傅里葉變換，我們可以認(rèn)為的功率譜隨著頻域的升高而下降。一般地，噪聲源往往具有平坦的功率譜，即使不是如此，其隨著頻率的升而下降的趨勢(shì)也要比典型圖象的功率譜慢得多。因此，可以料想功率譜的低頻分以信號(hào)為主，然而

17、高頻部分則主要被噪聲所占據(jù)。由于逆濾波濾波器的幅值常隨著頻率的升高而升高，因此會(huì)增強(qiáng)高頻部分的噪聲。為了克服以上缺點(diǎn)，出了采用最小均方誤差的方法（維納濾波）進(jìn)行模糊圖象恢復(fù)。維納(wiener)濾波可以歸于反卷積(或反轉(zhuǎn)濾波)算法一類(lèi)，它是由Wiener首提出的，并應(yīng)用于一維信號(hào)，并取得很好的效果。以后算法又被引入二維信號(hào)理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原領(lǐng)域，由于維納濾波器的復(fù)原效良好，計(jì)算量較低，并且抗噪性能優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣泛的應(yīng)用并不斷得到改進(jìn)發(fā)展，許多高效的復(fù)原算法都是以此為基礎(chǔ)形成的。如果取 （3-3）分別是圖象和噪聲的自相關(guān)矩陣。即并且都是正定對(duì)稱(chēng)矩陣，則有

18、（3-4）的模方最小，實(shí)際上就意味著使噪聲和信號(hào)的比對(duì)復(fù)原圖象影響最小。因?yàn)閳D象和噪聲的相關(guān)矩陣都是把圖象當(dāng)作隨機(jī)過(guò)程來(lái)研究，從而描述其統(tǒng)計(jì)特性的量，在這里最小二乘方的最佳已經(jīng)演變成均方誤差最小準(zhǔn)則下的最佳。同樣根據(jù)式(3-4)可求得頻域維納濾波公式如下 (3-5)=1時(shí)，為標(biāo)準(zhǔn)維納濾波器；1時(shí)，為含參維納濾波器。若沒(méi)有噪聲時(shí)即=0,維納濾波器則退化成理想反濾波器。實(shí)際應(yīng)用中必須調(diào)節(jié)以滿足式(3-4)。因?yàn)?實(shí)際很難求得因此，可以用一個(gè)比值k代替兩者之比，從而得到簡(jiǎn)化的維納濾波公式 (3-6)3.3有約束最小二乘復(fù)原由于大多數(shù)圖象恢復(fù)問(wèn)題都不具有唯一解，或者說(shuō)恢復(fù)具有病態(tài)特征。為了克服這一問(wèn)題

19、，通常需要在恢復(fù)過(guò)程中對(duì)運(yùn)算施加某種約束。設(shè)對(duì)圖象施加某一線性運(yùn)算Q，求在約束條件 （3-7）下，使為最小的作為原圖的最佳估計(jì)。利用拉格朗日乘數(shù)法，先構(gòu)造一輔助函數(shù)： (3-8)令可得： (3-9)解之得： （3-10）式中。把式(3-10)代入式(3-7)中可以證明，是的單調(diào)遞增函數(shù)。因此可以用迭代法求出滿足約束條件(3-7)式的待定系數(shù)，首先任取一個(gè),代入(3-10)，把求得的再代入式(3-7)，若結(jié)果大于時(shí)，便減少；反之增大，再重復(fù)上述過(guò)程，直到約束條件式(3-11)被滿足為止（實(shí)際求解時(shí)，只要能之差小于某一給定值就可以了）。把求得的代入，便最后求得最佳估計(jì)。我們可以直接從空間域的有約束

20、最小二乘方恢復(fù)式(3-10)得到它的頻域解 （3-11）應(yīng)用有約束最小二乘方恢復(fù)方法時(shí)，只需有關(guān)噪聲均值和方差的知識(shí)就可對(duì)每幅給定的圖象給出最佳恢復(fù)結(jié)果。4、 模型應(yīng)用數(shù)字圖像在獲取的過(guò)程中，由于光學(xué)系統(tǒng)的像差、光學(xué)成像衍射、成像系統(tǒng)的非線性畸變、攝影膠片的感光的非線性、成像過(guò)程的相對(duì)運(yùn)動(dòng)、大氣的湍流效應(yīng)、環(huán)境隨機(jī)噪聲等原因，圖像會(huì)產(chǎn)生一定程度的退化.因此，必須采取一定的方法盡可能地減少或消除圖像質(zhì)量的下降，恢復(fù)圖像的本來(lái)面目，這就是圖像復(fù)原，也稱(chēng)為圖像恢復(fù)。圖像復(fù)原是試圖利用退化過(guò)程的先驗(yàn)知識(shí)使已退化的圖像恢復(fù)本來(lái)面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖

21、像降質(zhì)的逆過(guò)程恢復(fù)圖像。前面講述的三種運(yùn)動(dòng)模糊圖像復(fù)原方法均可在matlab環(huán)境下實(shí)現(xiàn)，下面將對(duì)每一種方法進(jìn)行舉例。4.1模糊圖片的復(fù)原 彩色圖片的處理結(jié)果（編程見(jiàn)附表一）：原圖像逆濾波復(fù)原維納濾波復(fù)原約束最小二乘法復(fù)原 黑白圖片處理結(jié)果（程序見(jiàn)附表二）：復(fù)原結(jié)果檢測(cè)： 灰度直方圖從圖像的灰度級(jí)來(lái)看，效果還是可以的，因?yàn)檫@里采用了真實(shí)PSF 函數(shù)來(lái)恢復(fù)，但是實(shí)際生活當(dāng)中大多數(shù)情況下PSF 是不知道的，所以要按照具體情況具體分析然后再恢復(fù)圖像。綜合以上三種方法，通過(guò)對(duì)多幅圖像的處理并比較可以看出逆濾波、維納濾波、處理效果較好，而最小二乘方法處理效果相對(duì)較差。而逆濾波主要處理無(wú)噪聲的運(yùn)動(dòng)模糊圖像，

22、它是維納濾波的特例。最小二乘對(duì)無(wú)噪聲圖像或是低噪聲圖像的復(fù)原效果較好，但對(duì)高噪聲的圖片處理的效果就很差。五、 模型評(píng)價(jià)使用matlab運(yùn)行所建模型處理模糊圖片時(shí)，自動(dòng)將圖片信息轉(zhuǎn)化成數(shù)據(jù)信息，對(duì)二維圖像進(jìn)行均勻采樣，得到一幅離散化成m*n樣本的整數(shù)陣列，用矩陣來(lái)最直觀最簡(jiǎn)便地描述該數(shù)字圖像。模型優(yōu)點(diǎn)：（1）.從模型對(duì)彩色圖片的處理結(jié)果可以看出，逆濾波器和維納濾波器的處理結(jié)果比最小二乘法的處理結(jié)果清晰，而維納濾波器是基于逆濾波器之上進(jìn)行改進(jìn)的一種模型，其均方誤差小于逆濾波器的處理結(jié)果，二者相比較，維納濾波器處理彩色圖片更為理想。（2）.從模型對(duì)黑白圖片的處理結(jié)果可以看出，維納濾波器對(duì)模糊圖片的復(fù)

23、原較為理想，從圖像的灰度級(jí)對(duì)比來(lái)看，處理后的圖片與原清晰圖片的相似程度大，由此可見(jiàn)處理效果符合人的視覺(jué)范疇。（3）.程序運(yùn)行簡(jiǎn)潔明了，可行性強(qiáng)。模型缺點(diǎn)：（1）.該模型是在假設(shè)只受運(yùn)動(dòng)和噪聲影響的因素下對(duì)模糊照片進(jìn)行的處理，忽略了像系統(tǒng)的非線性畸變、 攝影膠片的感光等眾多相關(guān)因素，所以在一定范疇上，該模型具有一定的局限性。（2）.清晰只是相對(duì)于模糊而言，而與原圖片的清晰度還有一定的差距，須進(jìn)一步對(duì)模型改善，以得到更為清晰的圖片。（3）.由于沒(méi)有建立量化的評(píng)判標(biāo)準(zhǔn)，對(duì)結(jié)果的評(píng)比過(guò)于主觀，憑借人肉眼比較，說(shuō)服力不強(qiáng)。六、參考文獻(xiàn)：1. 胡海根 相對(duì)運(yùn)動(dòng)的模糊圖像復(fù)原的算法研究 2蔡小華運(yùn)動(dòng)模糊圖像

24、恢復(fù)方法研究3郝文化田蕾董秀芳圖形圖像處理應(yīng)用教程中國(guó)水利水電出版社4. 董虎勝 勻速直線運(yùn)動(dòng)模糊圖像的遞推恢復(fù)方法附錄：附表一：彩色圖像處理：I=imread('IMG_0019.JPG'); figure(1);imshow(I,); title('原圖像'); PSF=fspecial('motion',40,75); MF=imfilter(I,PSF,'circular'); noise=imnoise(zeros(size(I),'gaussian',0,0.001); MFN=imadd(MF,im2uint8(noise); figure(2);imshow(MFN,); title('運(yùn)動(dòng)模糊圖像'); NSR=sum(noise(:).2)/sum(MFN(:).2); figure(3); imshow(deconvwnr(MFN,PSF,NSR),); title('逆濾波復(fù)原'); figure(4); imshow(deconvwnr(MFN,PSF,NSR),); title('維納濾波復(fù)原'