第一步:阅读图像

将灰度图像读取到工作区中。的deconvblind函数可以处理任何维度的数组。

我= imread (“cameraman.tif”）;图;imshow(我)、标题(原始图像的）;文本(大小(我,2),大小(我,1)+ 15,.．.图片由麻省理工学院提供，.．.“字形大小”7“HorizontalAlignment”，“对”）;

步骤2:模拟模糊

模拟可能被模糊的真实图像(例如，由于相机运动或缺乏聚焦)。这个例子模拟模糊通过卷积一个高斯滤波器与真实的图像(使用imfilter）.高斯滤波器表示一个点扩散函数，PSF．

PSF = fspecial (“高斯”7、10);模糊= imfilter (PSF,我“对称”，“conv”）;imshow(模糊)标题(模糊图像的）

步骤3:使用不同大小的PSFs恢复模糊图像

为了说明了解真正PSF大小的重要性，本例执行了三次恢复。每次PSF重构从一个统一的数组(一组1)开始。

第一个恢复,j - 1和P1，使用过小的数组，UNDERPSF，求PSF的初始值。UNDERPSF数组的大小在每个维度上都比真正的PSF短4个像素。

UNDERPSF = 1(大小(PSF) 4);[j - 1, P1] = deconvblind(模糊,UNDERPSF);imshow (j - 1)标题(“用尺寸过小的PSF去模糊”）

第二个恢复,J2和P2，使用一组1，OVERPSF，初始PSF在每个维度上都比真正的PSF长4个像素。

OVERPSF = padarray(UNDERPSF，[4 4]，“复制”，“两个”）;(J2, P2) = deconvblind(模糊,OVERPSF);imshow (J2)标题(“用超大PSF去模糊”）

第三个恢复,J3和P3，使用一组1，INITPSF，初始PSF与真实PSF的大小完全相同。

INITPSF = padarray(UNDERPSF，[2 2]，“复制”，“两个”）;: [J3 P3) = deconvblind(模糊,INITPSF);: imshow (J3)标题(与INITPSF由模糊变清晰的）

第四步:分析恢复的PSF

这三种修复都能产生PSF。下面的图片显示了如何分析重建的PSF可能有助于猜测初始PSF的正确大小。在真正的PSF(高斯滤波器)中，最大值在中心(白色)，在边界(黑色)减小。

图;次要情节(2 2 1)imshow (PSF, [],“InitialMagnification”，“健康”)标题(“真正的PSF”)次要情节(222)imshow (P1, [],“InitialMagnification”，“健康”)标题(“重建弱小PSF”次要情节(2,2,3)imshow (P2, [],“InitialMagnification”，“健康”)标题(“重建超大号的PSF”次要情节(2,2,4)imshow (P3, [],“InitialMagnification”，“健康”)标题(“重建真实的PSF”）

在第一次修复中重建的PSF，P1，显然不符合限制的大小。它在边界有很强的信号变化。相应的图像,j - 1与模糊图像相比，没有显示出任何改善的清晰度，模糊．

第二次修复重建的PSF，P2，边缘变得非常光滑。这意味着恢复可以处理较小尺寸的PSF。相应的图像,J2，显示出一些模糊，但它被铃声严重破坏。

最后，第三次修复中重建的PSF，P3，有点介于两者之间P1和P2．的数组,P3，非常类似于真正的PSF。相应的图像,J3，显示显著改善;但它还是被铃声腐蚀了。

第五步:改善恢复

在恢复的图像中，J3，沿着图像中强度对比强烈的区域和沿着图像边界出现。这个例子展示了如何通过指定一个加权函数来减小振铃效应。该算法根据重量同时恢复图像和PSF。在我们的示例中，我们首先使用边缘函数找到“锐利”像素。通过反复试验，我们确定理想的阈值水平为0.08。

重量=边缘(模糊,“索贝尔”、。08);

为了扩大区域，我们使用imdilate然后传入一个结构元素，se．

se = strel (“磁盘”2);重量= 1-double (imdilate(重量、se));

靠近边界的像素也被赋值为0。

WEIGHT([1:3 end-(0:2)]，:) = 0;重量(:，[1:3 end-(0:2)]) = 0;图imshow(重量)标题(权重数组的）

的调用deconvblind来恢复图像重量数组和增加的迭代次数(30)。几乎所有的铃声都被抑制了。

[J, P) = deconvblind(模糊INITPSF 30,[],重量);imshow (J)标题(“解模糊图像”）

第六步:在PSF恢复上使用额外的约束

该示例展示了如何在PSF上指定额外的约束。这个函数,有趣的，则返回一个修改过的PSF数组，该数组将用于下一次迭代。

在这个例子中,有趣的通过裁剪来修改PSFP1和P2每个维度的像素数，然后用零填充数组，使其恢复到原来的大小。该操作不会改变PSF中心的值，但有效地减少了PSF的大小2 * P1和2 * P2像素。

P1 = 2;P2 = 2;有趣= @ (PSF) padarray (PSF (P1 + 1: end-P1, P2 + 1: end-P2), [P1 P2]);

匿名函数,有趣的，被传入deconvblind最后一次。有关向函数提供附加参数的信息，请参阅MATLAB数学文档中的参数化函数一节有趣的．

在本例中，初始PSF的大小，OVERPSF，比真正的PSF大4个像素。设置“P1 = 2”和“P2 = 2”有趣的有效地使宝贵的空间在OVERPSF和真正的PSF大小相同。因此,结果,摩根富林明和PF的结果与反褶积的结果相似，只要PSF大小合适，且没有有趣的电话,J和P从步骤4开始。

(摩根富林明,PF) = deconvblind(模糊OVERPSF 30,[],体重,有趣的);imshow(摩根富林明)标题(“解模糊图像”）

如果我们用超大的初始PSF，OVERPSF，没有约束函数，有趣的，得到的图像将与不满意的结果相似，J2，在步骤3中完成。

注意，任何未指定的参数有趣的可以省略，如DAMPAR和读出在本例中，不需要占位符([])。