62.去运动模糊滤波器-OpenCV从零开始到图像识别

本文作者：小嗷

微信公众号：aoxiaoji

链接：

https://f600lt.github.io/2018/08/06/xiaoaoderichang/

在本篇中，您将学习:

小嗷相信你们在前几篇和以前的文章中，比较彻底认知到傅里叶变换的实际用途（不懂找我吧）。

有个小伙伴问小嗷图像处理和识别的极限到底能去到哪里？（有啥用）

按理来说,PS来做的，程序都能做。人的识别其实从某种意义来说，就是特征值的识别。大家接触久的，或许就感觉没什么高大上。（反正小嗷就是这样）

本文你会找到以下问题的答案:

什么是运动模糊图像的PSF

如何恢复运动模糊图像

2.1 什么是运动模糊图像的PSF ?

线性运动模糊畸变的点扩散函数为线段。这种PSF由两个参数指定:LEN 是模糊的长度，THETA是运动的角度

点扩散函数的一个线性运动模糊失真

因为大部分函数都在以前写过解释。所以，小嗷就不写了。

什么是振铃效应，小嗷在10几20篇写过，不懂就自己查或者找小嗷

本篇文章的代码如下所示。

您可以在示例/cpp/tutorialcode/ImgProc/motiondeblur_filter/motiondeblurfilter中找到源代码。

下面你可以看到真实世界的图像与运动模糊失真。这两辆车的车牌都看不清。红色的标记显示了汽车的车牌位置。

2.png

如上图运动模糊图像，车牌是看不清

下面你可以看到黑色汽车牌照的恢复结果。计算结果是LEN = 125, THETA = 0, SNR = 700。

3.png

修复后的黑色汽车牌照图像(这个是用辣鸡摄像头拍的。所以，无法做到每秒N张，将就用用就好)

下面你可以看到白色车牌的恢复结果。结果是LEN = 78, THETA = 15, SNR = 300。

4.png

恢复的白色汽车牌照的图像

人工选择SNR、LEN和THETA的值，以获得最好的视觉效果。THETA参数与汽车的运动方向一致，LEN LEN参数取决于汽车的运动速度。结果并不完美，但至少它给了我们图像内容的暗示。经过一些努力，汽车牌照现在可以读了。

还有一种方法就通过机器学习 + 流光 + 算法，自动调节参数，识别到车牌号为止。

解释一下：

一种运动模糊图像恢复算法由PSF生成、维纳滤波生成和频域滤波三部分组成:

一个函数calcPSF()根据输入参数LEN和THETA (in degrees)形成一个PSF:

一个函数edgetaper()使输入图像的边缘逐渐变细，以减少图像恢复时的振铃效果:

calcWnrFilter()、fftshift()、filter2DFreq()等功能在频域中通过指定的PSF实现图像过滤。这些函数是从第60篇中复制过来的。