标签:
差不多就是这个理论,傅里叶变换之后除掉退化函数的傅里叶变换,就变回来了。
说是这么说,写出来就是这样。手写公式简单得多,人懒就是任性。
matlab代码。
clc I=imread(‘src.png‘); I0=rgb2gray(I); subplot(231); imshow(I0); title(‘src‘); [m,n]=size(I0); F=fftshift(fft2(I0)); k=0.0025; H=[]; for u=1:m for v=1:n q=((u-m/2)^2+(v-n/2)^2)^(5/6); H(u,v)=exp((-k)*q); end end G=F.*H; I1=abs(ifft2(fftshift(G))); subplot(232); imshow(uint8(I1)) title(‘退化‘); I2=imnoise(uint8(I1),‘gaussian‘,0,0.001); subplot(233); imshow(uint8(I2)); title(‘加噪声‘); F0=fftshift(fft2(I2)); F1=F0./H; I3=ifft(fftshift(F1)); subplot(236); imshow(uint8(I3)); title(‘退化噪声复原‘) F2=fftshift(fft2(I1)); F3=F2./H; I4=ifft(fftshift(F3)); subplot(235); imshow(uint8(I4)); title(‘退化复原‘) F4=fftshift(fft2(I0)); I5=ifft(fftshift(F4)); subplot(234); imshow(uint8(I5)); title(‘直接傅里叶变换回来‘)
上面主要是傅里叶除的矩阵要一样维度,所以给了个[m,n]的矩阵,好像局限性有点大。
我个人想是不是逆卷积的效果更好一点,主要是傅里叶变来变去的相位难以控制。
最后原因:
主要是这个效果,我相信这个是复原理论才是有鬼了。
参考《MATLAB图像处理超级学习手册》
标签:
原文地址:http://www.cnblogs.com/MnsterLu/p/5638102.html