恢复被高斯和运动模糊破坏的图像答案

【问题标题】：Restoring Image corrupted by Gaussian and Motion Blur恢复被高斯和运动模糊破坏的图像
【发布时间】：2014-12-02 12:59:14
【问题描述】：

提供给我们的图像已被以下人员损坏：

按这个顺序。以上所有参数（滤波器大小、方差、SNR 等）我们都知道。

我们如何恢复图像？

我尝试通过对上述内容进行卷积来计算聚合退化函数，然后使用 Weiner 滤波器进行恢复，但到目前为止尝试都失败了，因为模糊仍然存在。

有人能解释一下吗？

【问题讨论】：

高斯噪声不是有损吗？（我不确定其他两个模糊，它们可能也是......）
@realbart 大多数图像处理都是有损的，但目标是尽可能多地撤消这些更改。当已知因素时，它可以完成，结果令人惊叹，同时令人失望。
恢复应该只是一些好的近似值。无需还原确切的原始图像。
Weiner 过滤器，就像您尝试过的那样，将是我的首选，但高斯模糊和运动模糊的组合会使事情变得复杂，我不确定您是否可以轻松聚合他们俩。也许两次传球值得一试 - 首先是 Weiner 去除运动模糊，然后再次使用不同的 PSF 去模糊和去噪。

【解决方案1】：

对于高斯和运动模糊，就是推导卷积核的问题。一旦知道，就可以在傅立叶空间中进行反卷积。图像的傅里叶变换除以内核的傅里叶变换，得到（希望）改进的图像的傅里叶变换。

高斯变换成其他高斯，所以除以零没有问题。但是高斯人确实下降得相当快，如 exp(-x^2)，所以你会被小数除以得到大的古怪的高频振幅。因此，必须应用某种恒定偏差或其他方法来防止内核的 FT 变小。这就是维纳滤波器的用武之地。通常选择与随机噪声水平或量化相关的偏差。

对于运动模糊，一个典型的情况是干净的图像与短线段进行卷积。不幸的是，急剧截止的线段有很多零。再次，维纳过滤器进行救援。

加性高斯噪声无法去除，但可以平均化。最简单最快的方法是使用高斯、框或其他过滤器对图像进行模糊处理。最大的问题 - 你最终得到一个模糊的图像！如果不是太小，中值滤波器在保留边缘和细节方面会更好一些。那里有许多降噪技术。

有时对于某些类型的图像，降噪很容易。对于 Cassini 成像工作，大多数图像特征要么是高对比度的硬边缘（行星边缘、陨石坑），要么是柔和变化的（大气中的云细节），所以我使用了边缘检测器，使其输出变胖（膨胀）、模糊，然后使用作为掩码保护图像的某些部分免受小半径模糊滤镜的影响。应用不同的过滤器。

有 Signal Processing Stack Exchange 站点（目前处于测试阶段），其中可能包含有关恢复损坏图像的问题和解答。 https://dsp.stackexchange.com/questions

【讨论】：