第1步：读取图像

在工作区中读取灰度图像。当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那......“字形大小”7，'横向性'那'对'）;

步骤2:模拟模糊

模拟可以模糊的真实图像（例如，由于相机运动或缺乏焦点）。该示例通过将高斯滤波器与真实图像卷积（使用imfilter）。高斯滤波器然后代表点扩展功能，PSF.．

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

第3步：使用各种尺寸的PSF恢复模糊的图像

为了说明了解真正PSF大小的重要性，此示例执行三个修复程序。每次PSF重建都从统一阵列开始（一个数组）开始。

第一个恢复,j - 1和P1，使用过小的数组，UNDERPSF，用于初始猜测PSF。underpsf阵列的大小比真正的psf更短为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”那'均'）;(J2, P2) = deconvblind(模糊,OVERPSF);imshow (J2)标题('用超大的PSF去束缚'）

第三个恢复,J3和P3.，使用一组1，INITPSF，对于与真正的PSF相同的初始PSF。

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

第4步：分析已恢复的PSF

所有三种修复体也产生PSF。下面的图片显示了重建的PSF的分析如何有助于猜测初始PSF的正确尺寸。在真正的PSF中，高斯滤波器，最大值位于中心（白色），并在边框（黑色）处减少。

图;子图（2,2,1）imshow（psf，[]，'InitialMagnification'那“适合”)标题(“真正的PSF”)次要情节(222)imshow (P1, [],'InitialMagnification'那“适合”)标题(“重建弱小PSF”次要情节(2,2,3)imshow (P2, [],'InitialMagnification'那“适合”)标题('重建超大的PSF'）Subplot（2,2,4）imshow（p3，[]，'InitialMagnification'那“适合”)标题('重建真正的psf'）

在第一次修复中重建的PSF，P1，显然不适合受限制的大小。它在边界具有强大的信号变化。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，在第三恢复中重建的PSF，P3.，有点中间P1和P2.．的数组,P3.，非常漂亮的PSF。相应的图像,J3，显示出显着的改善;然而，它仍然被振铃腐蚀了。

第5步：改善恢复

在恢复的图像中，J3，沿着图像和图像边界的尖锐强度对比区域发生。此示例显示如何通过指定加权函数来降低振铃效果。算法根据每个像素权重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，我们使用混合然后传入一个结构元素，SE.．

se = strel ('盘'，2）;重量= 1-双（Imdilate（重量，se））;

接近边框的像素也被分配了值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）

通过调用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

该示例显示了如何在PSF上指定其他约束。功能，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。有关为函数提供其他参数的信息，请参见参数化函数的参数化函数部分有趣的．

在此示例中，初始PSF的大小，OVERPSF，是4个像素大于真正的psf。将P1 = 2和P2 = 2设置为参数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.，类似于右尺寸的PSF和否的去卷积的结果有趣的打电话，j和P.，从第4步。

[jf，pf] = deconvblind（模糊，overpsf，30，[]，重量，有趣）;imshow（jf）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中实现。

注意，任何未指定的参数有趣的可以省略，如Dampar.和读出在该示例中，不需要放置持有者（[]）。