问恢复高斯和运动模糊破坏的图像

EN

对于高斯和运动模糊，这是一个推导卷积核的问题。一旦它是已知的，反褶积可以在傅里叶空间进行。图像的傅里叶变换除以核的傅里叶变换，给出了一幅(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。但是高斯确实下降得相当快，比如exp(-x^2)，所以你需要除以较小的数字来获得大的奇怪的高频振幅。因此，必须应用某种常量偏差或其他防止内核FT变小的方法。这就是维纳过滤器进来的地方。偏置通常与随机噪声水平或量化有关。

对于运动模糊，一个典型的例子是当干净的图像与一个短的线段转换。不幸的是，急剧切断的线段有大量的零.再次，维纳过滤器到救援。

加性瓜西安噪声不能消除，但可以平均。最简单的最快的方法是用高斯、盒子或其他滤波器模糊图像。最大的问题是-你最终会有模糊的形象！如果不是太小的话，中值滤波器在保留边缘和细节方面要好一些。外面有很多降噪技术。

有时，对于某些类型的图像来说，降噪是很容易的。在卡西尼成像工作中，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)，所以我使用边缘探测器，使其输出变胖(膨胀)，模糊它，并使用它作为遮罩来保护图像的部分不受小半径模糊过滤器的影响。应用不同的过滤器。

有信号处理堆栈交换站点(目前处于测试版)，它可能有关于恢复损坏图像的问题和答案。https://dsp.stackexchange.com/questions