因为原图像和噪声函数都是已知的,可以正确的估算参量。Р2.5使用Lucy-Richardson算法的迭代非线性复原РL-R算法是一种迭代非线性复原算法,它是从最大似然公式印出来的,图像用泊松分布加以模型化的。当下面这个迭代收敛时模型的最大似然函数就可以得到一个令人满意的方程:Р Р*代表卷积,代表未退化图像的估计,g和h和以前定义一样。这个算法的本质是显而易见的。它的非线性本质是在方程右边用来除产生的[4]。Р在IPT中,L-R算法是由名为deconvlucy的函数完成的,此函数的语法为Рfr= deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT)Р其中,fr代表复原的图像,g代表退化的图像,PSF是点扩散函数,NUMIT为迭代次数(默认为10次),DAMPAR是一个标量,它指定了结果图像与原图像g之间的偏离阈值。WEIGHT是一个与g同样大小的数组,它为每一个像素分配一个权重来反映其重量。РL-R算法程序:РI=imread('C:\ok\苹果.jpg'); РPSF=fspecial('gaussian',5,5) ;РBlurred=imfilter(I,PSF,'symmetric','conv'); РV=.003; РBN=imnoise(Blurred,'gaussian',0,V); Рluc=deconvlucy(BN,PSF,5); РfigureРsubplot(2,2,1);Рimshow(I);Рtitle('原始图像');Рsubplot(2,2,2);Рimshow (Blurred);Рtitle('模糊后的图像');Рsubplot(2,2,3);Рimshow (BN);Рtitle('加噪后的图像');Рsubplot(2,2,4);Рimshow (luc);Рtitle('恢复后的图像');Р模拟实验结果如下:
全文预览
