第一步:读取图像

将灰度图像读入工作区。的deconvblind函数可以处理任何维数的数组。

I = imread(“cameraman.tif”）;图;imshow(我)、标题(的“原始图像”）;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”，“正确”）;

第二步:模拟模糊

模拟现实生活中可能会模糊的图像(例如，由于相机运动或缺乏对焦)。该示例通过将高斯滤波器与真实图像进行卷积来模拟模糊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(I,PSF，“对称”，“conv”）;imshow(模糊)标题(“模糊图像”）

步骤3:使用不同大小的psf恢复模糊图像

为了说明了解真实PSF大小的重要性，本示例执行三次恢复。每次PSF重建都从一个均匀数组(1的数组)开始。

第一次修复，描述为j - 1而且P1，使用较小的数组，UNDERPSF，以获得PSF的初步猜测。UNDERPSF数组的大小在每个维度上都比真正的PSF短4个像素。

UNDERPSF = ones(size(PSF)-4);[J1,P1] = deconvblind(模糊，UNDERPSF);imshow (j - 1)标题(“用尺寸过小的PSF去模糊”）

第二次修复，由J2而且P2，使用1的数组，OVERPSF，对于每个维度上比真实PSF长4个像素的初始PSF。

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

第三次修复，由J3而且P3，使用1的数组，INITPSF，对于与真实PSF大小完全相同的初始PSF。

INITPSF = padarray(UNDERPSF，[2 2]，“复制”，“两个”）;[J3,P3] = deconvblind(Blurred,INITPSF);: imshow (J3)标题(“用INITPSF去模糊”）

步骤4:分析恢复的PSF

所有三种修复也产生一个PSF。下面的图片显示了对重建的PSF的分析如何有助于猜测初始PSF的正确大小。在真正的PSF(高斯滤波器)中，最大值位于中心(白色)，并在边界(黑色)减小。

图;次要情节(2 2 1)imshow (PSF, [],“InitialMagnification”，“适合”)标题(“真正的PSF”(P1，[]，“InitialMagnification”，“适合”)标题(“重建的小尺寸PSF”) subplot(2,2,3) imshow(P2，[]，“InitialMagnification”，“适合”)标题(“重建的超大PSF”) subplot(2,2,4) imshow(P3，[]，“InitialMagnification”，“适合”)标题(“重建真PSF”）

在第一次修复中重建的PSF，P1，显然不符合约束尺寸。它在边界处有很强的信号变化。对应的图像，j - 1，与模糊图像相比，清晰度没有任何提高，模糊．

在第二次修复中重建的PSF，P2它的边缘非常光滑。这意味着恢复可以处理较小大小的PSF。对应的图像，J2，显示出一些去模糊，但它是强烈损坏的振铃。

最后，在第三次修复中重建了PSF，P3，介于P1而且P2．的数组,P3，很像真正的PSF。对应的图像，J3，有明显改善;然而，它仍然被铃声损坏。

步骤5:改善恢复

复原图像中的铃声，J3，沿强烈对比度区域和沿图像边界出现。这个例子展示了如何通过指定一个加权函数来减少振铃效应。算法对每个像素进行加权重量数组，同时恢复图像和PSF。在我们的示例中，我们首先使用edge函数查找“锐利”像素。通过反复试验，我们确定一个理想的阈值水平为0.08．

权重=边缘(模糊，“索贝尔”、。08);

为了扩大面积，我们使用imdilate然后传入一个构造元素，se．

Se = strel(“磁盘”2);WEIGHT = 1-double(imdilate(WEIGHT,se));

靠近边界的像素也被赋值0．

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

通过调用恢复映像deconvblind与重量数组和增加的迭代次数(30.)．几乎所有的振铃都被抑制了。

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

步骤6:在PSF恢复上使用附加约束

该示例展示了如何在PSF上指定附加约束。这个函数,有趣的，下面返回一个修改后的PSF数组deconvblind用于下一次迭代。

在这个例子中，有趣的通过裁剪来修改PSFP1而且P2每个维度的像素数，然后用0填充数组回其原始大小。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而且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，则传递到deconvblind最后的参见本节参数化功能，在MATLAB数学文档中，获取有关为函数提供额外参数的信息有趣的．

在这个例子中，初始PSF的大小，OVERPSF，比真实PSF大4个像素。设置P1 = 2而且P2 = 2作为参数有趣的有效地使宝贵的空间OVERPSF与真正的PSF尺寸相同。因此，结果，摩根富林明而且PF，与适当大小的PSF反褶积的结果相似有趣的电话,J而且P，从步骤4。

[JF,PF] = deconvblind(blur,OVERPSF,30，[]，WEIGHT,FUN);imshow(摩根富林明)标题(“解模糊图像”）

如果我们使用过大的初始PSF，OVERPSF，没有约束函数，有趣的，产生的图像将类似于不令人满意的结果，J2，在步骤3中实现。

注意前面任何未指定的参数有趣的可以省略，如DAMPAR而且读出在这个例子中，不需要占位符，(［］)．