import math
import os
import numpy as np
from numpy import fft
import cv2
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
def motion_process(image_size,motion_angle):
PSF=np.zeros(image_size)
center_position=(image_size[0]-1)/2
slope_tan=math.tan(motion_angle*math.pi/180)
slope_cot=1/slope_tan
if slope_tan<=1:
for i in range(15):
offset=round(i*slope_tan)
PSF[int(center_position offset),int(center_position-offset)]=1
return PSF/PSF.sum()#对点扩散函数进行归一化亮度
else:
for i in range(15):
offset=round(i*slope_cot)
PSF[int(center_position-offset),int(center_position offset)]=1
return PSF/PSF.sum()
def make_blurred(input,PSF,eps):
input_fft=fft.fft2(input)#进行二维数组的傅里叶变换
PSF_fft=fft.fft2(PSF) eps
blurred=fft.ifft2(input_fft*PSF_fft)
blurred=np.abs(fft.fftshift(blurred))
return blurred
def wiener(input,PSF,eps,K=0.01):
input_fft=fft.fft2(input)
PSF_fft=fft.fft2(PSF) eps
PSF_fft_1=np.conj(PSF_fft)/(np.abs(PSF_fft)**2 K)
result=fft.ifft2(input_fft*PSF_fft_1)
result=np.abs(fft.fftshift(result))
return result
def put(path):
img=cv2.imread(path,1)
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img_h=img.shape[0]
img_w=img.shape[1]
#进行运动模糊处理
PSF=motion_process((img_h,img_w),60)
blurred=np.abs(make_blurred(img,PSF,1e-3))
#维纳滤波
res1=wiener(blurred,PSF,1e-3)
#添加噪声
blurred_noisy=blurred 0.1*blurred.std()*np.random.standard_normal(blurred.shape)
#对添加噪声的图像进行维纳滤波
res2=wiener(blurred_noisy,PSF,0.2 1e-3)
plt.subplot(2,3,1),plt.axis('off'),plt.imshow(blurred,plt.cm.gray),plt.title('运动模糊')
plt.subplot(2,3,3),plt.axis('off'),plt.imshow(res1,plt.cm.gray),plt.title('维纳滤波(k=0.01)')
plt.subplot(2,3,4),plt.axis('off'),plt.imshow(blurred_noisy,plt.cm.gray),plt.title('有噪声且运动模糊')
plt.subplot(2,3,6),plt.axis('off'),plt.imshow(res2,plt.cm.gray),plt.title('维纳滤波(k=0.01)')
plt.savefig('C:/Users/xpp/Desktop/result.png')
plt.show()
put(r'C:/Users/xpp/Desktop/Lena.png')
算法：有约束滤波器是在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。
