基于盲去卷积原理的图像复原程序

基于盲去卷积原理的图像复原程序代码， 露西-理查德森算法属于图像复原中的非线性算法，与维纳滤波这种较为直接的算法不同，该算法使用非线性迭代技术，在计算量、性能方面都有了一定提升。

%% Deblurring Images Using the Blind Deconvolution Algorithm   
%%盲反卷积算法复原图像  
% The Blind Deconvolution Algorithm can be used effectively when no  
% information about the distortion （blurring and noise） is known. The  
% algorithm restores the image and the point-spread function （PSF）  
% simultaneously. The accelerated damped Richardson-Lucy algorithm is used  
% in each iteration. Additional optical system （e.g. camera）  
% characteristics can be used as input parameters that could help to  
% improve the quality of the image restoration. PSF constraints can be  
% passed in through a user-specified function  
%在不知道图像失真信息（模糊和噪声）信息情况下，盲反卷积算法可以有效地加以利用。该算法  
%对图像和点扩展函数（PSF）的同时进行复原。每次迭代都使用加速收敛Richardson-Lucy   
%算法。额外的光学系统（如照相机）的特性可作为输入参数，帮助改善图像复原质量。可以通  
%过用户指定的函数对PSF进行限制  
% Copyright 2004-2005 The MathWorks Inc.  
   
%% Step 1: Read Image  
%%第一步：读取图像  
% The example reads in an intensity image. The |deconvblind| function can  
% handle arrays of any dimension.  
%该示例读取一个灰度图像。| deconvblind |函数可以处理任何维数组。  
I = imread（‘flame_gray_1.bmp‘）;  
figure;imshow（I）;title（‘Original Image‘）;  %figure1
%text（size（I2）size（I1）+15 ...  
%    ‘Image courtesy of Massachusetts Institute of Technology‘ ...  
%‘FontSize‘7‘HorizontalAlignment‘‘right‘）;    
     
  
   
%% Step 2: Simulate a Blur  
%%第二步：模拟一个模糊  
% Simulate a real-life image that could be blurred （e.g. due to camera  
% motion or lack of focus）. The example simulates the blur by convolving a  
% Gaussian filter with the true image （using |imfilter|）. The Gaussian filter  
% then represents a point-spread function |PSF|.  
 %模拟一个现实中存在的模糊图像（例如，由于相机抖动或对焦不足）。这个例子通过对真实  
%图像进行-高斯滤波器-模拟图像模糊（使用|imfilter|）。高斯滤波器是一个点扩展函数，  
%|PSF|。  
%h=fspecial（‘高斯’，hsize，sigma），返回一个旋转对称的高斯低通滤波器，大小为hsize，标准偏差σ（正）默认0.5。
%不推荐，使用imgaussfilt或imgaussfilt3代替。
PSF=fspecial（‘gaussian‘710）;   %创建一个预先定义的二维过滤器psf
Blurred=imfilter（IPSF‘symmetric‘‘conv‘）;  %对图像I进行滤波处理；  
figure;imshow（Blurred）;title（‘Blurred Image‘）;    %figure2
  
     
  
   
%% Step 3: Restore the Blurred Image Using PSFs of Various Sizes  
%%第三步：使用不同的点扩展函数复原模糊图像  
% To illustrate the importance of knowing the size of the true PSF this  
% example performs three restorations. Each time the PSF reconstruction  
% starts from a uniform array--an array of ones.  
%为了说明知道真实PSF的大小的重要性，这个例子执行三个修复。PSF函数重建每次都是从统一  
%的全一数组开始。  
%%  第一次较小数组复原
% The first restoration |J1| and |P1| uses an undersized array |UNDERPSF| for  
% an initial guess of the PSF. The size of the UNDERPSF array is 4 pixels  
% shorter in each dimension than the true PSF.   
%第一次复原，|J1|和|P1|，使用一个较小数组，| UNDERPSF |，来对PSF的初步猜测。该  
%UNDERPSF数组每维比真实PSF少4个元素。  
UNDERPSF = ones（size（PSF）-4）;  
[J1 P1] = deconvblind（BlurredUNDERPSF）;  
figure;imshow（J1）;title（‘Deblurring with Undersized PSF‘）;   %figure3
  
     
  
%%  第二次较大数组复原
% The second restoration |J2| and |P2| uses an array of ones |OVERPSF| for an  
% initial P