摘要：运动模糊是数字图像处理中常见的退化现象，由相机或物体在曝光期间的相对运动引起，严重影响图像质量。本文针对含噪声运动模糊图像的复原问题，系统研究了多种频域复原算法，并设计实现了一套完整的图像复原系统。
项目简介
基于MATLAB的运动模糊图像复原系统，实现了维纳滤波、CLS滤波等多种算法，并提供可视化GUI界面进行参数调节和性能对比。
系统概述
本文首先建立了运动模糊的数学模型，采用点扩散函数（PSF）描述退化过程，并引入高斯噪声模拟实际成像环境。在此基础上，实现了四种经典复原算法：维纳滤波、约束最小二乘（CLS）滤波、融合算法和逆滤波。维纳滤波通过最小化均方误差准则在频域进行复原；CLS滤波引入拉普拉斯正则化约束，有效抑制噪声放大；融合算法结合两者优势，采用加权平均策略；逆滤波作为对比基准，展示了直接频域除法的局限性。
为验证算法性能，本文设计了36组对比实验，系统测试了不同模糊长度（5、10、15像素）、模糊角度（0°、30°、45°、90°）和噪 声水平（低、中、高）条件下的复原效果。采用峰值信噪比（PSNR）和结构相似性指数（SSIM）作为客观评价指标。实验结果表明 ，在中等噪声条件下，CLS滤波性能最优，PSNR达到21.56 dB，较维纳滤波提升4.90 dB；融合算法表现稳定，PSNR为19.88 dB；逆滤波对噪声敏感，PSNR仅为12.49 dB。通过参数优化，整体性能提升了3-5 dB。
本文基于MATLAB App Designer开发了可视化交互系统，集成了参数调节、实时复原、性能评估和算法对比等功能，为运动 模糊图像复原提供了完整的实验平台。
系统架构
本系统采用分层架构设计，包括数据层（图像获取与退化建模）、算法层（维纳滤波、CLS滤波、融合算法、逆滤波）、评估层（PSNR/SSIM计算）和表示层（GUI可视化），通过频域处理实现运动模糊图像复原，并提供参数调节、实时复原、性能对比等交互功能。
快速开始
打开MATLAB运行MotionBlurRestorationAppBeautified启动GUI，调整模糊参数和噪声水平后点击"生成退化图像"，选择复原算法（推荐CLS滤波）即可查看复原效果和性能指标，点击"对比所有算法"可一键对比四种算法的性能差异
环境要求
需要MATLAB R2020a或更高版本，安装Image Processing Toolbox，建议4GB内存及1920×1080分辨率显示器。
结果展示
运行MotionBlurRestorationAppBeautified.m
图1 主界面
图2 低噪声-生成退化图像
图3 低噪声-逆滤波
图4 低噪声-CLS滤波
图5 低噪声-融合算法
图6 低噪声-维纳滤波
图7 低噪声-算法对比结果
图8 中噪声-生成退化图像
图9 中噪声-维纳滤波
图10 中噪声-CLS滤波
图11 中噪声-融合算法
图12 中噪声-逆滤波
图13 中噪声-算法对比结果
图14 高噪声-生成退化图像
图15 高噪声-维纳滤波
图16 高噪声-CLS滤波
图17 高噪声-融合算法
图18 高噪声-逆滤波
图19 高噪声-算法对比结果
运行main_test.m
36组对比实验结果表明，CLS滤波在所有退化条件下表现最优，平均PSNR达到17.90 dB，SSIM为0.8356，较维纳滤波提升2.95 dB，证明了拉普拉斯正则化约束在抑制噪声放大方面的显著优势；融合算法性能稳定居中（PSNR 16.76 dB），兼顾了两种算法的优点；维纳滤波作为经典方法表现一般（PSNR 14.95 dB）；而逆滤波由于对噪声极度敏感，平均PSNR仅12.06 dB，不适用于含噪声图像复原，实验充分验证了不同复原策略在运动模糊图像处理中的适用性差异。
图20 低噪声条件下四种算法的复原效果对比（模糊长度5像素，角度0°，噪声方差0.001）
图21 中等噪声条件下四种算法的复原效果对比（模糊长度5像素，角度0°，噪声方差0.005）
图22 高噪声条件下四种算法的复原效果对比（模糊长度5像素，角度0°，噪声方差0.01）
图23 低噪声条件下四种算法的复原效果对比（模糊长度5像素，角度30°，噪声方差0.001）
图24 中等噪声条件下四种算法的复原效果对比（模糊长度5像素，角度30°，噪声方差0.005）
图25 高噪声条件下四种算法的复原效果对比（模糊长度5像素，角度30°，噪声方差0.01）
图26 低噪声条件下四种算法的复原效果对比（模糊长度5像素，角度45°，噪声方差0.001）
图27 中等噪声条件下四种算法的复原效果对比（模糊长度5像素，角度45°，噪声方差0.005）
图28 高噪声条件下四种算法的复原效果对比（模糊长度5像素，角度45°，噪声方差0.01）
图29 四种复原算法的平均性能对比
结果点评
实验结果表明CLS滤波性能最优达到21.56 dB，已进入"良好"复原质量区间，较维纳滤波提升4.90 dB，证明了拉普拉斯正则化约束在噪声抑制方面的有效性；融合算法表现稳定为19.88 dB，维纳滤波为16.66 dB，而逆滤波仅12.49 dB凸显了噪声处理的重要性，四种算法形成明显的性能梯度，充分验证了不同复原策略在运动模糊图像处理中的适用性和局限性。
项目资源
包括完整的项目源代码、演示视频、运行截图，开箱即用。
关于项目
作者信息
作者：Bob (张家梁)
项目编号：MI-5
原创声明：本项目为原创作品