OpenCV - 去卷积中的边界伪影

Question

我是一名新的 OpenCV 用户，我正在为大学做一个项目。该程序获取输入图像，对其进行综合模糊处理，然后再对其进行去模糊处理。当合成模糊的图像去卷积时，会产生边界伪影，因为……嗯，到目前为止，我还没有实现边界条件。以下是一些示例：您可以看到输入的未模糊图像、合成模糊的图像以及我得到的最终输出：

http://answers.opencv.org/upfiles/13953138566866107.png

根据我正在编写代码的论文，边界条件必须通过通过点扩散函数宽度填充输入图像并创建一个掩码来指示哪些像素来自捕获区域而不是来自捕获区域边界区域。

如果我的问题可能很愚蠢，我深表歉意，但是：

1.如何计算点扩散函数宽度？到目前为止，我使用了一个简单的 3x3 框模糊内核，内部为 1/9s。宽度是 3 吗？

2.如果点扩散函数宽度为3，我必须通过在四个边上添加三个像素来填充输入图像还是必须通过“覆盖”来填充输入图像模糊过程导致它周围的“暗框”？据我了解，那些“暗框”区域包含原始未模糊图像的平均值，因此无法在这些区域进行反卷积重建起始图像，这只会产生和传播伪影。

我想说的是：我是否必须在输入图像的所有四个边上添加额外的像素，或者我是否必须“覆盖”“暗框”，它的宽度是相同的点之一传播函数，据我了解？

http://answers.opencv.org/upfiles/13953135698274495.png

3.我必须填充未模糊的输入图像还是合成模糊的图像？

提前感谢您的帮助！

Answer 1

我已经测试了源代码（我已经适应了 opencv），它运行良好。

回答你的问题：

1.是的，本例中的内核大小为 3。

2.在你的链接源上，卷积应用于图像区域 每边减少一半内核边。

图像大小等于您的源图像（所有绿色和蓝色区域）。

但是您的工作区域小于整个图像并标记为绿色。

它相对于源图像减少了一半内核大小（蓝色边框）。

3.不，你没有。

您似乎使用了内核大小大于 3 的苹果盒过滤器。

这是我的结果：

图像模糊（框滤镜 3x3）：

去模糊图像：

你可以在这里下载我的源码：https://www.dropbox.com/s/u11qo8o3q1a8j5f/stochastic_deconvolution_opencv.zip

使用大内核时，您会在高频（硬边缘）上获得ringing。

可以通过增加正则化系数来减少它（它会为图像添加一些“flattnes”）。

这是我从初始源获取内核的结果：

图像模糊：

去模糊图像：

试试你的图片参数：

const double reg_weight     = 0.0002;   // regularizer weight
const double sigma          = 9.0;      // mutation standard deviation
const double reset_prob     = 0.005f;   // russian roulette chain reset probability
const int    num_iterations = 400;      // number of 'iterations', mostly for output
double ed                   = 0.025;     // starting deposition energy

对于 PSF：

const int    psf_cnt = 9;
const double psf_v[] = { 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0 };
const int    psf_x[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };
const int    psf_y[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };

我已经得到了我在下面发布的结果：