图像复原技术的目的是使退化了的图像尽可能恢复到原来的真实面貌。
图像复原与图像增强的联系与区别：
图像复原和图像增强相似，两者都是要得到某种意义上改进的图像，或者说，希望改进输入图像的质量。两者不同之处是图像增强技术一般要借助人的视觉系统的特性，以取得看起来比较好的视觉效果。而图像复原则认为图像在某种情况下退化或者恶化啦，现在需要根据相应的退化模型和知识重建或者复原原始图像。尽管两者有相交叉的邻域，但图像增强主要是一个主观的过程，而图像复原的大部分过程是一个客观的过程。也就是说图像复原技术将图像退化的过程模型化，并据此采取相反的过程以得到原始的图像。
图像复原的前提是图像退化。图像退化是指图像在形成、记录、处理、传输过程中由于成像系统、记录设备、处理方法和传输介质的不完善，导致的图像质量下降。具体的说，常见的退化原因大致有成像系统的像差或有限孔径或存在衍射、成像系统的离焦、成像系统与景物的相对运动、底片感光特性曲线的非线性、显示器显示时失真、遥感成像中大气散射和大气扰动、遥感摄像机的运动和扫描速度不稳定、系统各个环节的噪声干扰、模拟图像数字化引入的误差等。
对退化图像的复原，一般采用两种方法。（1）适用于对图像缺乏已知信息的情况，此时可以对退化过程（模糊和噪声）建立模型，进行描述，并进而寻找一种去除或削弱其影响过程，由于这种方法试图估计图像被一些相对良性的退化过程影响以前的情况，故事一种估计方法
（2）若对于原始图像有足够的已知信息，则对原始图像建立一个数学模型并根据他对退化图像进行拟合会更有效。例如：已知图像中仅含有确定大小的圆形物体（如星辰、颗粒）这样由于仅是原始图像很少的几个参数（数目、位置、幅度等）未知，因此这是一种检测问题。
如：用约束的最小二乘方滤波复原模糊噪声图像
f=checkerboard(8);%生成标准棋盘测试图
PSF=fspecial('motion',7,45);%产生空间滤波器
gb=imfilter(f,PSF,'circular');
subplot(1,3,1);
imshow(f);
title('原图')
%产生噪声
noise =imnoise(zeros(size (f)),'gaussian',0,0.001);
g=gb+noise;
subplot(1,3,2);
%将原图像放大到512*512 ，并显示
% imshow(pixeldup(f,8),[]);
% subplot(1,3,2);
% %将噪声图像放大到512*512 ，并显示
% umshow(pixeldup(g,8),[]);
imshow(g);
title('加入噪声图像')
%利用函数deconvreg() 复原模糊图像
fr=deconvreg(g,PSF,0.4,[1e-7 1e7]);
subplot(1,3,3);
imshow(fr);
title('约束最小二乘方滤波复原图像');
结果如下：
