求维纳滤波图像复原的C++或者OpenCV的程序代码！可运行的话，分数不是问题。真心求教！

CLC全部清除

％读取原始图像

格式长

模糊= imread（'fig525（B）BMP'）

插曲（1,2,1） imshow（模糊）标题（原始图像）

％自我功能维纳滤波

K = 0.0025

[M，大没桥N] =尺寸（模糊）

频谱= 0（M，N）

H =零（M，N）

为u = 1：M

为V = 1： ?

H（U，V）= exp（-K *（（UM / 2）^ 2 +（VN / 2）^ 2）^（5/察孙6））

光谱（U， V）= H（U，V）^ 2

结束

结束

F =双（模糊）

F1 = fftshift（FFT??2（F））

HW = H /（滚猛频谱+0.001）

restore1 = HW。 * F1

恢复=实际（ifft2（ifftshift（restore1）））

插曲（1,2,2），imshow（恢复[]）标题（“自功能的维纳滤波'）

％调用matlab的维纳％

数字过滤器功能

HW1 =实际（ifft2（ifftshift（H）））转化空域起来

RESULT1 = deconvwnr（模糊HW1，0.001）

结果2 = ifftshift（RESULT1）％

插曲（1逆转图片交换，1,3象限，四象限，2,1）imshow（结果2，[]）标题（“呼叫维纳滤波功能'）

clcclear all

%读原始图像埋哗%

format long

Blurred=imread('fig525(b).bmp')

subplot(1,2,1)imshow( Blurred)title('原图像')

%自编函数进行维纳滤波%

k=0.0025

[m,n]=size(Blurred)

spectrum=zeros(m,n)

H=zeros(m,n)

for u=1:m

for v=1:n

H(u,v)=exp(-k*((u-m/2)^2+(v-n/2)^2)^(5/6))

spectrum(u,v)=H(u,v)^2

end

end

f=double(Blurred)

F1=fftshift(fft2(f))

HW=H./(spectrum+0.001)

restore1=HW.*F1

restored=real(ifft2(ifftshift(restore1)))

subplot(1,2,2)imshow(restored,[])title('自编函数进行维纳滤波')

%调用matlab提供的维纳滤波函数%

figure

hw1=real(ifft2(ifftshift(H)))%转化到空域前液隐上来

result1=deconvwnr(Blurred,hw1,0.001)

result2=ifftshift(result1)%再去图像进行1，3象限对调，2与4象限对慧厅调

subplot(1,2,1)imshow(result2,[])title('调用维纳滤波函数')

1．弊拿液维纳滤波复原

I=checkerboard(8)

noise=0.1*randn(size(I))

PSF=fspecial('motion',21,11)

Blurred=imfilter(I,PSF,'circular')

BlurredNoisy=im2uint8(Blurred+noise)

NP=abs(fftn(noise)).^2

NPOW=sum(NP(:)/prod(size(noise))

NCORR=fftshift(real(ifftn(NP)))

IP=abs(fftn(I)).^2

IPOW=sum(IP(:)/prod(size(noise))

ICORR=fftshift(real(ifftn(IP)))

ICORR1=ICORR(:,ceil(size(I,1)/2))

NSR=NPOW/IPOW

subplot(221)imshow(BlurredNoisy,[])

title('模糊和噪声图像')

subplot(222)imshow(deconvwnr(BlurredNoisy,PSF,NSR),[])

title('deconbwnr(A,PSF,NSR)')

subplot(223)imshow(deconvwnr(BlurredNoisy,PSF,NCORR,ICORR),[])

title('deconbwnr(A,PSF,NCORR,ICORR)')

subplot(224)imshow(deconvwnr(BlurredNoisy,PSF,NPOW,ICORR1),[])

title('deconbwnr(A,PSF,NPOW,ICORR_1_D)')

2．规则化滤波复原程序

I=checkerboard(8)

PSF=fspecial('gaussian',7,10)

V=.01

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V)

NOISEPOWER=V*prod(size(I))

[J LAGRA]=deconvreg(BlurredNoisy,PSF,NOISEPOWER)

subplot(221)imshow(BlurredNoisy)

title('A=Blurred and Noisy')

subplot(222)imshow(J)

title('[J LAGRA]=deconvreg(A,PSF,NP)')

subplot(223)imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10))

title('deconvreg(A,PSF,[],0.1*LAGRA)')

subplot(225)imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10))

subplot(224)imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA*10))

title('deconvreg(A,PSF,[],10*LAGRA'敏敬)

3．Lucy-Richardson复原程序举例

%Lucy-Richardson复原程序

I=checkerboard(8)

PSF=fspecial('gaussian',7,10)

V=.0001

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V)

WT=zeros(size(I))

WT(5:end-4,5:end-4)=1

J1=deconvlucy(BlurredNoisy,PSF)

J2=deconvlucy(BlurredNoisy,PSF,20,sqrt(V))

J3=deconvlucy(BlurredNoisy,PSF,20,sqrt(V),[],WT)

subplot(221)imshow(BlurredNoisy)

title('A=Blurred and Noisy')

subplot(222)imshow(J1)

title('deconvlucy(A,PSF)')

subplot(223)imshow(J2)

title('deconvlucy(A,PSF,NI,DP)'租物)

subplot(224)imshow(J3)

title('deconvlucy(A,PSF,NI,DP,[],WT)')

4．盲去卷积复原

%盲去卷积复原

I=checkerboard(8)

PSF=fspecial('gaussian',7,10)

V=.0001

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V)

WT=zeros(size(I))

WT(5:end-4,5:end-4)=1

INITPSF=ones(size(PSF))

FUN=inline('PSF+P1','PSF','P1')

[J P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0)

subplot(221)imshow(BlurredNoisy)

title('A=Blurred and Noisy')

subplot(222)imshow(PSF,[])

title('True PSF')

subplot(223)imshow(J)

title('Deblured Image')

subplot(224)imshow(P,[])

title('Recovered PSF')

---