【CV】图像去模糊（逆滤波）

###Date: 2018.5.8函数

================================================编码

转载自：http://www.javashuo.com/article/p-migvxzge-eb.html spa

引言

图像模糊是一种拍摄常见的现象，我曾在图像去模糊（维纳滤波）介绍过。这里再也不详述，只给出物理模型，这里咱们仍在频率域表示
.net

G (u, v) = H (u, v) F (u, v) + N (u, v) (1) G(u,v)=H(u,v)F(u,v)+N(u,v)(1)

其中提到最简单的复原方法是直接作逆滤波（Inverse filter）。

F^(u, v) = G (u, v) H (u, v) (2) F^(u,v)=G(u,v)H(u,v)(2)

该除法是阵列操做，即按位除。
在含有噪声状况下，将(1)式两端除以 H(u,v)H(u,v)

F^(u, v) = F (u, v) + N (u, v) H (u, v) (3) F^(u,v)=F(u,v)+N(u,v)H(u,v)(3)

这里 N(u,v)N(u,v) 未知，式子代表，即便知道退化函数也不能准备复原图像。还有当退化函数 H(u,v)H(u,v) 是零或者很是小的值，则 N(u,v)H(u,v)N(u,v)H(u,v) 很容易支配整个式子。
下面我将用代码说明一下逆滤波，这里我采用直接编码形式。对了，前面我提到过，当噪声信息比 NSR 等于0时，此时维娜滤波等同于逆滤波。所以能够直接使用matlab自带deconvwnr函数，将第三个参数 NSR 设置成0便可，省事的同窗能够试一下。

代码

 
 
  
  
           
  
  
  
  
   
   
            
   
   1
  
  
   
   
            
   
   2
  
  
   
   
            
   
   3
  
  
   
   
            
   
   4
  
  
   
   
            
   
   5
  
  
   
   
            
   
   6
  
  
   
   
            
   
   7
  
  
   
   
            
   
   8
  
  
   
   
            
   
   9
  
  
   
   
            
   
   10
  
  
   
   
            
   
   11
  
  
   
   
            
   
   12
  
  
   
   
            
   
   13
  
  
   
   
            
   
   14
  
  
   
   
            
   
   15
  
  
   
   
            
   
   16
  
  
   
   
            
   
   17
  
  
   
   
            
   
   18
  
  
   
   
            
   
   19
  
  
   
   
            
   
   20
  
  
   
   
            
   
   21
  
  
   
   
            
   
   22
  
  
   
   
            
   
   23
  
  
   
   
            
   
   24
  
  
   
   
            
   
   25
  
  
   
   
            
   
   26
  
  
   
   
            
   
   27
  
  
   
   
            
   
   28
  
  
   
   
            
   
   29
  
  
   
   
            
   
   30
  
  
   
   
            
   
   31
  
  
   
   
            
   
   32
  
  
   
   
            
   
   33
  
  
   
   
            
   
   34
  
  
   
   
            
   
   35
  
  
   
   
            
   
   36
  
  
   
   
            
   
   37
  
  
   
   
            
   
   38
  
  
   
   
            
   
   39
  
  
   
   
            
   
   40
  
  
   
   
            
   
   41
  
  
   
   
            
   
   42
  
  
   
   
            
   
   43
 
 
  
  
           
  
  
close all;
clear all;
clc;
% Display the original image.
I = im2double(imread('lena.jpg'));
[hei,wid,~] = size(I);
subplot(2,3,1),imshow(I);
title('Original Image (courtesy of MIT)');


% Simulate a motion blur.
LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
subplot(2,3,2), imshow(blurred); title('Blurred Image');

% Inverse filter
If = fft2(blurred);
Pf = fft2(PSF,hei,wid);
deblurred = ifft2(If./Pf);
subplot(2,3,3), imshow(deblurred); title('Restore Image')

% Simulate additive noise.
noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
                        noise_mean, noise_var);
subplot(2,3,4), imshow(blurred_noisy)
title('Simulate Blur and Noise')

% Try restoration assuming no noise.
If = fft2(blurred_noisy);
deblurred2 = ifft2(If./Pf);
subplot(2,3,5), imshow(deblurred2)
title('Restoration of Blurred Assuming No Noise');

% Try restoration with noise is known.
noisy = blurred_noisy - blurred;
Nf = fft2(noisy);
deblurred2 = ifft2(If./Pf - Nf./Pf);
subplot(2,3,6), imshow(deblurred2)
title('Restoration of Blurred with Noise Is Known')

这里使用了经典的lena图是灰度图像，分别对图像进行运动模糊，逆滤波，运动模糊+高斯噪声，假定噪声未知直接逆滤波，噪声已知逆滤波。3d

效果

说明

逆滤波对噪声很是敏感，除非咱们知道噪声的分布状况（事实上，这也很难知道），逆滤波几乎不可用，能够从二排中间看出，恢复图像效果极差。但若知道噪声分布，也是能够彻底复原信息的。能够从二排最后一张图能够看出。写做本文的目的也仅是在数学角度上对图像模糊现象进行分析，后续会介绍更加有效的图像复原方法，敬请关注。rest

转载请保留如下信息

做者	日期	联系方式
风吹夏天	2015年8月8日	wincoder@qq.com

【CV】图像去模糊（逆滤波）

引言

代码

效果

说明

相关阅读及参考文献

转载请保留如下信息