1.2  图像复原原理及图像模糊消除算法

    必须用严谨的态度依照图像复原原则对退化的图像进行处理，才能使处理的结果尽可能接近原始真实的图像。要求总体考虑图像复原的全过程，取得模糊图像时要先考虑图像退化的原因，然后利用相应的数学退化模型对退化图像作针对性处理[1]。换个说法，对离散的时空区域，复原技术就是使用已掌握的图像退化经过的先验知识，使退化图像尽量恢复为原本的面貌，亦即根据图像复原的原则，首先分析引起退化的原因，再建立图像退化模型，然后沿着使图像降质的逆过程推演，最后获取清晰的图像。

图像复原是最基本的图像处理技术中的重要步骤。本设计采用图像复原常用手段中的维纳滤波复原法和逆滤波复原法（都属于频率域恢复法），并且比较、分析他们的复原效果图。

根据图像理想退化的先验知识和图像恢复原则，有很多对运动图像模糊消除的有效处理方法，如逆滤波恢复法、维纳滤波恢复法、平滑约束恢复法和能量约束恢复法等。

1.3  维纳滤波与逆滤波

采用维纳滤波法是归纳了退化函数和噪声函数的综合特性进行还原的处理方式，是当噪声与图像都是随机变量条件下，寻找未退化图像f的一个最小估计 ,使两者间的均方误差最小。在没有涉及噪声的任何信息下，采用逆滤波图像恢复法的恢复效果是很不错的，但是噪声的存在哪怕是微小的变化都对恢复估计有影响很大，所以当待恢复图像中存在噪声时逆滤波复原效果比维纳滤波差[2]。为了弥补逆滤波复原法存在的这一缺陷，人们提出了可以给恢复滤波器的部分区域赋零值以避免出现零点，但是同时也要注意赋值范围否则复原的效果仍是不理想。这里简要提及维纳滤波与逆滤波各自的特点，具体算法将在第三章给出。  

1.4  MATLAB函数

MATLAB可追溯到二十世纪七十年代，它的命名来源于Matrix Laboratory（矩阵实验室）的简称，是现今流行的功能强大的工程技术数值计算和系统仿真软件。当遇到大量的矩阵及其他计算问题时使用MATLAB软件有助于减少时间和精力的消耗，减缓工作进程的同时又保证了质量。MATLAB的重要构成是：主包、Simulink和工具箱。主包（MATLAB系统）包含MATLAB语言、工作环境、数学函数库、应用程序接口(API)和句柄图形；Simulink是一种用于动态系统仿真的可视化交互式系统，可允许用户通过鼠标驱动在窗口上绘制、选用图标用以模拟一个系统，同时还允许动态监控此系统；MATLAB中的工具箱可以解答各个模块的特有疑问，因为其有可自行扩展函数库，而MATLAB软件能成为应用软件中的主流离不开功能强大的工具箱。

MATLAB软件具备语法简洁精炼、句子逻辑性强和延展性好等特点，因而用MATLAB语言编译求解疑问比使用Fortran语言、C语言等便利简洁得多。MATLAB建立在向量基础上高级的程序语言，所以它从根本上就支持图像处理[1]。可以用MATLAB软件消除图像的模糊和污染图像的噪声。图像的数字化得到的是一组有序离散的数据，在MATLAB上将这些离散数字编辑成矩阵，就能进行一次性处理，这是MATLAB较其他标量语言的优势。