资源简介

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。

资源截图

代码片段和文件信息

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


评论

共有 条评论