基于MATLAB的运动模糊图像处理

基于MATLAB的运动模糊图像处理注意：我参考了文献的书目和网上的代码完成了，误差变大，现在从网上下载的模糊图像处理效果不好，这是我第一次上传了自己完成的实验文件，希望能帮助一些人。研究目的在交通系统、刑事侦查中图像的重要信息是重要的，但在交通、公安、银行、医学、工业监视、军事侦察和日常生活中经常会因照相机的光学系统失真、对焦偏移和相对运动等导致图像模糊，难以提取信息。 但是，对于散焦模糊，运动模糊图像的复原在日常生活中更为普遍，例如，高速运动的违反车辆的牌照识别、从高速运动的人中识别嫌疑犯、从公安刑警影像资料中提取证书、进行技术鉴定等，在日常生活中的重要应用是运动模糊图像复原技术尽可能的失真因此，运动模糊图像恢复技术的研究具有更重要的现实意义。图像复原原理本文研究了无噪声情况下任意方向的等速直线运动模糊图像的复原问题，在此基础上研究了复原过程中点扩散函数(PSF )的参数估计，根据自动判别的模糊方向和长度构建了最近似的点扩散函数，构建了相应的复原模型， 在自动恢复已经实现了运动模糊图像恢复的模糊图像之后，基于恢复效果图的纹理特征和自动辨别的模糊长度和角度，手动调整模糊方向和长度参数，以获得最佳的恢复效果。实验过程模糊方向估计：对图1(a )所示的原图像“车牌”的图像赋予方向=、长度L=20像素的等速直线运动模糊，得到劣化图像的图1(b )。1(a) 1(b )j=imread (牌照1.jpg )图形(1)、imshow(j )title (原始图像)len=20； 希达=30；psf=fspecial(motion，len，theta )J1=im过滤器(j，psf，circular，conv )figure，imshow(j1 )title(PSF模糊图像)图1(c )和1(d )分别是原图像模糊的图像的二次傅立叶变化1(c) 1(d )J=rgb2gray(j )K=fft2(J) %傅立叶变换M=fftshift(K) %直流分量移动到频谱的中心N=abs(M) %计算频谱宽度P=(N-min(min(N)/(max(max(N)-min(min(N)*225； %归一化体形，imshow(P )title (傅立叶变换谱)J1=rgb2gray(j1 )K1=fft2(J1) %傅立叶变换M1=fftshift(K1) %直流分量移动到频谱的中心N1=abs(M1) %计算频谱宽度P1=(n1-min (min (n1 ) )/(max (max (n1 ) )-min(min(N1)*225； %归一化figure，imshow(P1)title (傅立叶变换谱)利用图1 d的粗略的计算模糊的方向，matlab所具有的线性工具能够选择下一个图1 e所示的三角形，计算a与c之间的角度Matlab命令窗口输入： ginput选择三个顶角，然后返回滑架以获得数据ans=136.6009 146.3977137.4205 166.8895145.2074 166.8895取得粗略值后，用Matlab计算atan(20/9)*180/pians=65.7723的运动方向为90-ans25 (误差为5 )。1(e )模糊长度的估计在运动模糊图像中，运动方向的大部分模糊图像的背景像素点，沿着运动模糊的轨迹，背景像素点的灰度值逐渐变化还是不变化的相关性强。 在文献学习中，对模糊图像进行一次微分，进行自相关运算，从而在曲线上出现对称的相关峰值，峰值为负，两个相关峰值之间的距离等于运动模糊长度这一鉴定曲线。将模糊图像变换为灰度图像，使用索贝尔运算符进行1次微分运算，使用索贝尔运算符其自相关曲线如图2(a )所示。 matlab的Data Cursor可以测量两个负峰之间的距离为20像素的点。 这是运动模糊的长度，与理论值一致。 由于长度测量是精确的，因此可以根据长度将运动模糊的方向设置为不同的值，以获得最佳效果。f1=rgb2gray(j1 )f1=im2双精度(f1 )h=fspecial (索贝尔) %索贝尔运算符J=conv2(f1、h、same) %索贝尔运算符微分IP=abs(fft2(J ) )；%图像能谱密度S=fftshift(real(ifft2(IP ) )；画面，画面(s )title (自相关图)%图像自相关函数恢复图像然后，根据本文鉴定的运动模糊图像的运动长度和运动角度，构筑对应的等速直线运动PSF，将其图像复原后的结果显示在图3中。len=20；希达=25；psf=fspecial(motion，len，theta )wnr1=deconvwnr(j1、psf、0 )subplot(221 )、imshow(wnr1)title (维纳滤波处理后的图像)NP=0. 002 * prod (大小(j ) )er=deconvreg(j1、psf、np/3.0 )subplot(222 )、imshow(er )title (最小二乘复原)露西=decnvlucy(j1，psf )subplot(223 )、imshow(lucy )title(Lucy richardson影像复原)nit PSF=ones (大小(PSF ) )mang，psf=deconvblind(j1，INITPSF，40 )；subplot(224 )、imshow(mang )title (盲卷积恢复)从以上的图可知，在Lucy richardson复原的图像最有效，可以多次修正运动模糊的方向，在Lucy richardson复原。 下面的图4显示了运动模糊方向