我用在Matlab中定义的2D高斯函数对在matlab中创建的图像进行了卷积运算，现在我试图对卷积矩阵进行反卷积，以查看是否可以使用fft2和ifft2命令将2D高斯函数返回。但是，据我所知矩阵是不正确的（据我所知）。这是到目前为止我所做的代码：
输入图像的百分比代码（img）[300x300阵列]
N = 100;
t = linspace(0,2*pi,50);
r = (N-10)/2;
circle = poly2mask(r*cos(t)+N/2+0.5, r*sin(t)+N/2+0.5,N,N);
img = repmat(circle,3,3);
c = 0 sig = 1/64（Z）的2D高斯函数的％代码[300x300数组]
x = linspace(-3,3,300);
y = x';
[X Y] = meshgrid(x,y);
Z = exp(-((X.^2)+(Y.^2))/(2*1/64));
使用Z（C）[599x599数组]进行img的2D卷积的％代码
C = conv2(img,Z);
％我已经使用img和C的截面轮廓矢量测试了这种卷积是正确的，并且得到的xy图是我期望的卷积。
％从我对卷积的了解来看，该算法在傅立叶空间中起乘法器的作用，因此通过将输出（卷积图像）的傅立叶变换除以我的输入（img），我应该得到点扩散函数（Z-2D高斯函数） ），然后通过除法将傅里叶逆变换应用于此结果。
尝试进行2D反卷积的代码百分比
Fimg = fft2(img,599,599);
添加了％零填充以将结果增加到599x599阵列
FC = fft2(C);
R = FC/Fimg;
现在，我得到以下错误提示：警告：矩阵接近奇异或缩放错误。结果可能不正确。RCOND = 2.551432e-22
iFR = ifft2(R);
我期望iFR接近Z，但我得到的是完全不同的东西。它可能是Z与复数值的近似值，但由于我不知道如何在Matlab中绘制3D复数矩阵，因此我似乎无法对其进行检查。因此，如果有人可以告诉我我的答案是正确还是错误，以及如何使这种解卷积起作用？我将不胜感激。
R = FC/Fimg需要成为R = FC./Fimg;您需要按元素进行划分。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句