Image 高斯和运动模糊图像的复原

向我们提供的图像已被以下内容损坏：

• 高斯模糊
• 高斯噪声
• 运动模糊

按这个顺序。以上所有参数（滤波器大小、方差、信噪比等）我们都知道

如何恢复图像

我曾尝试通过卷积上述内容来计算聚合退化函数，然后使用Weiner过滤器进行恢复，但由于模糊仍然存在，尝试到目前为止都失败了

---

有人能解释一下吗？

对于高斯和运动模糊，这是一个推导卷积核的问题。一旦知道，反褶积可以在傅里叶空间中进行。图像的傅里叶变换除以核的傅里叶变换，得到（希望）改进图像的傅里叶变换

高斯变换为其他高斯，所以被零除没有问题。但是高斯的下降速度相当快，比如exp（-x^2），所以你可以除以小的数字来获得大的奇怪的高频振幅。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作用。偏差通常是根据随机噪声水平或量化来选择的

对于运动模糊，典型的情况是清洁图像与短线段卷积。不幸的是，急剧截断的线段有大量的零。再一次，维纳过滤器的救援

加性高斯噪声不能被去除，但可以被平均掉。最简单最快捷的方法是使用高斯、长方体或其他过滤器模糊图像。最大的问题是，你最终会得到一个模糊的图像！中值滤波器在保留边缘和细节方面稍好一些，如果不是太小的话。有很多降噪技术

有时，对于某些类型的图像，降噪很容易。对于卡西尼号的成像工作，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（大气中的云层细节），所以我使用了一个边缘检测器，放大了它的输出，模糊了它，并用它作为遮罩，以保护图像的一部分不受小半径模糊过滤器的影响。应用不同的过滤器

---

有一个信号处理堆栈交换站点（目前为beta版），它可能有关于恢复损坏图像的问题和答案

高斯噪声不是有损的吗？（我不确定其他两个模糊，它们可能太模糊了…@realbart大多数图像处理都是有损的，但目标是尽可能撤销这些更改。当知道这些因素时，它是可以做到的，其结果是令人惊讶的，同时也是令人失望的。恢复应该只是一些很好的近似值。精确的原始图像不需要恢复。像你尝试过的那样，Weiner过滤器是我的第一选择，但高斯模糊和运动模糊的组合使事情变得复杂，我不确定你是否可以轻松地将两者合并。也许两个过程值得一试——首先韦纳消除运动模糊，然后再次使用不同的PSF消除模糊和去噪。