图像复原的基本任务是去除图像噪声同时，不丢失图像的细节信息。图像复原需要知道图像退化和机制和过程的先验知识，采取逆过程来还原图像。
2、图像噪声模型
图像噪声根据噪声和信号的的关系可以分为加性噪声和乘性噪声。比如F(X,Y)+N(X,Y)就是加性噪声，F(X,Y)*（N(X,Y)+1）就是乘性噪声。噪声是不可预测的，只能用概率统计方法来预测。
1.高斯噪声
2、椒盐噪声
当然，还有均匀分布，指数分布，伽马分布等噪声。
3、空间域内的滤波复原
3.1 均值滤波
这包括算数均值和几何均值。
3.2 顺序统计滤波
主要是中值滤波，很适合去除椒盐噪声。
4、图像复原方法
1、逆滤波复原
g(x,y)=h(x,y)*f(x,y)+n(x,y) 这里的乘号代表卷积,这就是图像退化模型。之前去噪声就是把n(x,y)去掉。现在逆滤波就是对退化函数f(x,y)的去除。在空间域去除f(x,y)是不方便的，因为要进行反卷积操作。而在频域就简单多了。**空间域内的卷积，其实就是频域内的乘积。**那么频域的去除退化函数就是做除法。
在这个公式中，如果退化函数H(U,V)很小，那么第二项会很大出现误差，这是一个很重要的限制条件。
2、维纳滤波
维纳滤波复原效果好，计算量低，抗噪声性能优秀，被广泛应用。deconvwnr()函数就是维纳滤波函数
维纳滤波对运动模糊图像复原很有效果。
3、约束最小二乘方滤波
这个方法计算了噪声的能量，使图像尽可能平滑，可以去除严重的噪声。