使用opencv通过反卷积对图像进行去模糊答案

【问题标题】：deblurring image by deconvolution using opencv使用opencv通过反卷积对图像进行去模糊
【发布时间】：2015-08-20 06:19:49
【问题描述】：

我有两个图像o1 和o2，我使用相同的高斯模糊内核对这两个图像进行了模糊处理。然后找到内核k1 = DFT(b1) / DFT (o1)，其中b1是对o1进行模糊处理得到的图像。

我已经使用这个内核（k1）对b2进行反卷积，其中b2是通过模糊o2得到的。

但是去模糊输出不正确（输出图像与原始图像没有任何关系）我的代码有什么问题？

int main(int argc, char** argv) 
{
  Mat orig1 = imread(argv[1], 0);
  Mat orig2 = imread(argv[2], 0);

  Mat blur1, blur2;
  GaussianBlur(orig1, blur1, Size(11, 11), 0, 0 );
  GaussianBlur(orig2, blur2, Size(11, 11), 0, 0 );

  imshow("or1", orig1);
  imshow("bl1", blur1);
  imshow("or2", orig2);
  imshow("bl2", blur2);
  waitKey(0);



  deconvolution(orig1, blur1, orig2, blur2);

  return 0;
}
void deconvolution(Mat & o1, Mat & b1, Mat & o2, Mat & b2)
{
  Mat o1f, o2f, b1f, b2f;
  Mat o1dft, o2dft, b1dft, b2dft;

  o1.convertTo(o1f, CV_32F);
  b1.convertTo(b1f, CV_32F);
  o2.convertTo(o2f, CV_32F);
  b2.convertTo(b2f, CV_32F);

  computeDFT(o1f, o1dft);
  computeDFT(b1f, b1dft);
  computeDFT(o2f, o2dft);
  computeDFT(b2f, b2dft);

  Mat k1, k2, b1d, b2d;
  divide(b1dft, o1dft, k1);

  Mat r1, r2;
  divide(b1dft, k1, r1);
  divide(b2dft, k1, r2);

  Mat idftr1, idftr2;
  computeIDFT(r1, idftr1);
  computeIDFT(r2, idftr2);

  Mat r1_8u, r2_8u;
  idftr1.convertTo(r1_8u, CV_8U);
  idftr2.convertTo(r2_8u, CV_8U);

  imshow("r1", r1_8u);
  imshow("r2", r2_8u);
  waitKey(0);
  destroyAllWindows();
}

图像 o1、o2、b1、b2、r1 和 r2 依次如下：

【问题讨论】：

你能比“去模糊输出不正确”更明确吗？现实生活不是 CSI，去模糊不是精确的操作。
因为这是一个视觉问题，我建议添加几张图片；两者都显示了您当前正在获得的内容以及您想要获得的内容。

标签： c++ opencv image-processing deconvolution

【解决方案1】：

问题很可能是您的模糊内核具有某些频率的消失系数。对于信号 (f) 和模糊核 (h) 的每个变换系数，您现在计算 f/h。这实际上是将这些系数除以零，从而导致您观察到强烈的噪声。

对此的快速解决方案是伪逆滤波：

f/h 仅用于 |h| > ε

否则将系数设置为0

如果这还不够平滑，您可以使用 wiener filtering.

【讨论】：