clear;clc
%?參考資料：http://blog.csdn.net/bluecol/article/details/47359421
%?參考數(shù)字圖像處理（第三版）?岡薩雷斯?英文版公式（5.9-4）
%?約束最小二乘方濾波約束最小二乘方復(fù)原方法主要是針對有約束退化模型而言的，
%?這種圖像復(fù)原方法只需有關(guān)噪聲均值和方差的知識就能夠?qū)γ恳环o定的圖像進(jìn)行
%?復(fù)原就以得到最優(yōu)的效果。但有時該方程的解振蕩的非常厲害。
I?=?im2double（imread（‘testimg.jpg‘））;
tic
[mn~]?=?size（I）;
subplot（131）imshow（I）;
title（‘原圖‘）;


%?Simulate?a?motion?blur?and?additive?noise.
LEN?=?20;
THETA?=?30;
PSF?=?fspecial（‘motion‘?LEN?THETA）;
blurred?=?imfilter（I?PSF?‘conv‘?‘circular‘）;%?生成運(yùn)動模糊圖像

%?psf2otf是把一個空間點(diǎn)擴(kuò)散函數(shù)轉(zhuǎn)換為頻譜面的光學(xué)傳遞函數(shù)，其轉(zhuǎn)換過程也是
%?一個二維的傅里葉變換。不過與fft2有區(qū)別
%?psf2otf和fft2的區(qū)別：http://blog.csdn.net/bluecol/article/details/48288739
H?=?psf2otf（PSF[mn]）;%?退化函數(shù)H（uv）

noise_mean?=?0;%?噪聲均值
noise_var?=?0.00001;%?噪聲方差
blurred_noisy?=?imnoise（blurred‘gaussian‘...
????noise_mean?noise_var）;%?加噪的運(yùn)動模糊圖像
subplot（132）?imshow（blurred_noisy）
title（‘模糊退化且添加高斯噪聲的圖像‘）

%?restoration?using??Home?Made?Constrained?Least?Squares?Filtering.
p?=?[0?-1?0;-1?4?-1;0?-1?0];%?拉普拉斯算子
P?=?psf2otf（p[mn]）;%?對拉普拉斯算子做傅立葉變換

gama?=?0.001;%?公式里左邊分式分母的一個參數(shù)
G?=?fft2（blurred_noisy）;%?對模糊圖像做傅立葉變換

numerator?=?conj（H）;%公式里左邊分式的分子，也就是H（uv）的共軛
denominator?=?H.^2?+?gama*（P.^2）;%公式里左邊分式的分母

deblurred2?=?ifft2（numerator.*G./denominator）;%?再從頻域變換回時域注意此處是點(diǎn)除
subplot（133）?imshow（deblurred2）
title（‘約束最小二乘復(fù)原圖‘）;
toc

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????1646??2015-11-12?23:32??code\CLSFilter.m

?????文件?????263222??2013-11-16?21:11??code\testimg.jpg

?????文件???????1589??2015-11-12?23:33??code\WienerFilter.m

?????目錄??????????0??2015-11-12?23:39??code

-----------?---------??----------?-----??----

???????????????266457????????????????????4