### Python 图像复原方法及其实现 #### 维纳滤波实现图像复原 维纳滤波是一种经典的图像复原技术，适用于恢复因噪声和模糊而退化的图像。以下是基于 `numpy` 和 `scipy` 的维纳滤波实现代码示例： ```python import numpy as np from scipy.signal import convolve2d from skimage.restoration import wiener from skimage import data, img_as_float import matplotlib.pyplot as plt # 加载原始图像 image = img_as_float(data.camera()[::4, ::4]) # 创建一个简单的模糊核 psf = np.ones((5, 5)) / 25 # 应用卷积模拟模糊效果 blurred_image = convolve2d(image, psf, 'same') # 添加高斯噪声 noisy_blurred_image = blurred_image + (np.random.randn(*blurred_image.shape) * 0.1) # 使用维纳滤波进行复原 restored_image = wiener(noisy_blurred_image, psf=psf, balance=0.1) # 显示结果 fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 8)) ax = axes.ravel() ax[0].imshow(image, cmap='gray') ax[0].set_title("Original Image") ax[1].imshow(blurred_image, cmap='gray') ax[1].set_title("Blurred Image") ax[2].imshow(noisy_blurred_image, cmap='gray') ax[2].set_title("Noisy Blurred Image") ax[3].imshow(restored_image, cmap='gray') ax[3].set_title("Restored Image with Wiener Filter") plt.tight_layout() plt.show() ``` 此代码展示了如何利用维纳滤波来复原受到噪声和模糊双重影响的图像[^1]。 --- #### 基于深度学习的逆滤波算法 对于更复杂的图像复原场景，可以采用基于深度学习的方法。以下是一个使用 TensorFlow 构建简单逆滤波神经网络的例子： ```python import tensorflow as tf from tensorflow.keras.layers import Input, Conv2D from tensorflow.keras.models import Model import numpy as np # 定义输入形状 input_shape = (None, None, 1) # 输入层 inputs = Input(shape=input_shape) # 卷积层 x = Conv2D(64, kernel_size=3, activation='relu', padding='same')(inputs) x = Conv2D(64, kernel_size=3, activation='relu', padding='same')(x) outputs = Conv2D(1, kernel_size=3, activation=None, padding='same')(x) # 构建模型 model = Model(inputs, outputs) # 编译模型 model.compile(optimizer=tf.optimizers.Adam(), loss='mse') # 打印模型结构 model.summary() # 训练数据准备（假设已有清晰图像和对应的模糊图像） clear_images = np.random.rand(100, 64, 64, 1).astype(np.float32) blurred_images = np.random.rand(100, 64, 64, 1).astype(np.float32) # 训练模型 model.fit(blurred_images, clear_images, epochs=10, batch_size=16) ``` 该代码片段展示了一个基础的逆滤波神经网络框架，可用于从模糊图像中重建清晰图像[^3]。 --- #### 简单图像去噪示例 如果目标仅限于去除图像中的随机噪声，则可参考以下代码示例： ```python import cv2 import numpy as np # 读取图片 img = cv2.imread("example.jpg", cv2.IMREAD_GRAYSCALE) # 高斯模糊降噪 denoised_img = cv2.GaussianBlur(img, (5, 5), 0) # 中值滤波降噪 median_denoised_img = cv2.medianBlur(img, 5) # 展示结果 cv2.imshow("Original Image", img) cv2.imshow("Gaussian Denoised Image", denoised_img) cv2.imshow("Median Denoised Image", median_denoised_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码实现了两种常见的图像去噪方式——高斯模糊和中值滤波[^2]。 ---