维纳滤波 逆滤波 图像复原 大气湍流模型 高斯噪声 PSNR MSE

图像处理课程作业 可直接运行 附带评价指标：PSNR MSE 对图像使用大气湍流模型进行退化，并加高斯噪声。通过维纳滤波实现图像复原。并与逆滤波的方法进行对比。最后采用PSNR和MSE对维纳滤波的结果进行评价。 由于存在取整误差，就算去掉高斯噪声，逆滤波仍然难以完全还原原始图像。

clc;
clear;
close all;
%% 原图像
RGB=imread（‘Daxing Airport.jpg‘）;
image_o=rgb2gray（RGB）;
subplot（221）;imshow（image_o）;
title（‘原图像‘）;

%% 图像退化+噪声
f=im2double（image_o）;%图像转换为双精度，像素值缩放到 [0 1]
F=fft2（f）;%快速傅里叶变换
F=fftshift（F）;%中心化，将低频分量移至频谱中心
[MN]=size（F）;
[uv]=meshgrid（1:M1:N）;%生成二维坐标系
h=exp（-0.0025* （ （u-M/2）.^2+（v-N/2）.^2）.^（5/6） ）;%大气湍流模型
H=h‘;
F=F.*H;
X=ifftshift（F）;%逆中心化
x=ifft2（X）;%逆快速傅里叶变换
x=uint8（abs（x）*256）;
image_t=imnoise（x‘gaussian‘00.005）;%添加高斯噪声
subplot（222）;imshow（image_t）;
title（‘带噪退化图像‘）;

%% 维纳滤波
I=im2double（image_t）;
f_I=fft2（I）;
f_I=fftshift（f_I）;
fH_I=f_I;

D=abs（H）;
D=D.^2;
[M1N1]=size（fH_I）;
K=0.05;
threshold=60;
    %对一定半径范围内进行滤波
    for i=1:M1
        for j=1:N1
             if sqrt（（i-M1/2）.^2+（j-N1/2）.^2） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     129923  2019-12-19 14:58  Daxing Airport.jpg

     文件       1676  2020-06-25 17:43  homework.m

     文件        499  2019-12-19 22:09  psnr_mse.m

----------- ---------  ---------- -----  ----

               132098                    3