【CV】圖像去模糊（逆濾波）

###Date: 2018.5.8函數

================================================編碼

轉載自：http://www.javashuo.com/article/p-migvxzge-eb.html spa

引言

圖像模糊是一種拍攝常見的現象，我曾在圖像去模糊（維納濾波）介紹過。這裏再也不詳述，只給出物理模型，這裏咱們仍在頻率域表示
.net

G (u, v) = H (u, v) F (u, v) + N (u, v) (1) G(u,v)=H(u,v)F(u,v)+N(u,v)(1)

其中提到最簡單的復原方法是直接作逆濾波（Inverse filter）。

F^(u, v) = G (u, v) H (u, v) (2) F^(u,v)=G(u,v)H(u,v)(2)

該除法是陣列操做，即按位除。
在含有噪聲狀況下，將(1)式兩端除以 H(u,v)H(u,v)

F^(u, v) = F (u, v) + N (u, v) H (u, v) (3) F^(u,v)=F(u,v)+N(u,v)H(u,v)(3)

這裏 N(u,v)N(u,v) 未知，式子代表，即便知道退化函數也不能準備復原圖像。還有當退化函數 H(u,v)H(u,v) 是零或者很是小的值，則 N(u,v)H(u,v)N(u,v)H(u,v) 很容易支配整個式子。
下面我將用代碼說明一下逆濾波，這裏我採用直接編碼形式。對了，前面我提到過，當噪聲信息比 NSR 等於0時，此時維娜濾波等同於逆濾波。所以能夠直接使用matlab自帶deconvwnr函數，將第三個參數 NSR 設置成0便可，省事的同窗能夠試一下。

代碼

 
 
  
  
           
  
  
  
  
   
   
            
   
   1
  
  
   
   
            
   
   2
  
  
   
   
            
   
   3
  
  
   
   
            
   
   4
  
  
   
   
            
   
   5
  
  
   
   
            
   
   6
  
  
   
   
            
   
   7
  
  
   
   
            
   
   8
  
  
   
   
            
   
   9
  
  
   
   
            
   
   10
  
  
   
   
            
   
   11
  
  
   
   
            
   
   12
  
  
   
   
            
   
   13
  
  
   
   
            
   
   14
  
  
   
   
            
   
   15
  
  
   
   
            
   
   16
  
  
   
   
            
   
   17
  
  
   
   
            
   
   18
  
  
   
   
            
   
   19
  
  
   
   
            
   
   20
  
  
   
   
            
   
   21
  
  
   
   
            
   
   22
  
  
   
   
            
   
   23
  
  
   
   
            
   
   24
  
  
   
   
            
   
   25
  
  
   
   
            
   
   26
  
  
   
   
            
   
   27
  
  
   
   
            
   
   28
  
  
   
   
            
   
   29
  
  
   
   
            
   
   30
  
  
   
   
            
   
   31
  
  
   
   
            
   
   32
  
  
   
   
            
   
   33
  
  
   
   
            
   
   34
  
  
   
   
            
   
   35
  
  
   
   
            
   
   36
  
  
   
   
            
   
   37
  
  
   
   
            
   
   38
  
  
   
   
            
   
   39
  
  
   
   
            
   
   40
  
  
   
   
            
   
   41
  
  
   
   
            
   
   42
  
  
   
   
            
   
   43
 
 
  
  
           
  
  
close all;
clear all;
clc;
% Display the original image.
I = im2double(imread('lena.jpg'));
[hei,wid,~] = size(I);
subplot(2,3,1),imshow(I);
title('Original Image (courtesy of MIT)');


% Simulate a motion blur.
LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
subplot(2,3,2), imshow(blurred); title('Blurred Image');

% Inverse filter
If = fft2(blurred);
Pf = fft2(PSF,hei,wid);
deblurred = ifft2(If./Pf);
subplot(2,3,3), imshow(deblurred); title('Restore Image')

% Simulate additive noise.
noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
                        noise_mean, noise_var);
subplot(2,3,4), imshow(blurred_noisy)
title('Simulate Blur and Noise')

% Try restoration assuming no noise.
If = fft2(blurred_noisy);
deblurred2 = ifft2(If./Pf);
subplot(2,3,5), imshow(deblurred2)
title('Restoration of Blurred Assuming No Noise');

% Try restoration with noise is known.
noisy = blurred_noisy - blurred;
Nf = fft2(noisy);
deblurred2 = ifft2(If./Pf - Nf./Pf);
subplot(2,3,6), imshow(deblurred2)
title('Restoration of Blurred with Noise Is Known')

這裏使用了經典的lena圖是灰度圖像，分別對圖像進行運動模糊，逆濾波，運動模糊+高斯噪聲，假定噪聲未知直接逆濾波，噪聲已知逆濾波。3d

效果

說明

逆濾波對噪聲很是敏感，除非咱們知道噪聲的分佈狀況（事實上，這也很難知道），逆濾波幾乎不可用，能夠從二排中間看出，恢復圖像效果極差。但若知道噪聲分佈，也是能夠徹底復原信息的。能夠從二排最後一張圖能夠看出。寫做本文的目的也僅是在數學角度上對圖像模糊現象進行分析，後續會介紹更加有效的圖像復原方法，敬請關注。rest

轉載請保留如下信息

做者	日期	聯繫方式
風吹夏天	2015年8月8日	wincoder@qq.com

【CV】圖像去模糊（逆濾波）

引言

代碼

效果

說明

相關閱讀及參考文獻

轉載請保留如下信息