我们的图片已被损坏：
按此顺序。我们已知所有上述参数（滤波器大小，方差，信噪比等）。
我们如何恢复图像？
我试图通过卷积上面的方法来计算聚合降级函数，然后使用Weiner过滤器进行恢复，但到目前为止尝试失败了，因为模糊仍然存在。
有人可以请一些亮点吗？
答案 0 :(得分：0)
对于高斯和运动模糊，它是推导卷积核的问题。一旦知道，就可以在傅里叶空间中进行反卷积。图像的傅立叶变换除以内核的傅立叶变换，给出（希望）改进的图像的傅立叶变换。
高斯变换成其他高斯，因此除以零没有问题。但是高斯的下降速度相当快，如exp（-x ^ 2），所以你要用小数除以得到大的w高频振幅。因此，必须应用某种恒定的偏差或其他保持核心的FT变小的方法。这就是维纳滤波器的用武之地。通常根据随机噪声水平或量化来选择偏差。
对于运动模糊，典型情况是清洁图像与短线段卷积。不幸的是，急剧截止的线段有很多零。再次，维纳过滤救援。
添加剂高斯噪声无法消除，但可以平均。最简单的最快方法是使用高斯，框或其他滤镜模糊图像。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要好一些。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。对于卡西尼成像工作，大多数图像特征是高对比度硬边缘（行星边缘，陨石坑），或软变化（大气中的云细节），所以我使用边缘检测器，加粗（扩张）其输出，模糊它，并使用作为掩模，保护图像的一部分免受小半径模糊滤波器的影响。应用不同的过滤器。
有信号处理堆栈交换站点（目前处于测试阶段），可能有关于恢复损坏图像的问题和答案。 https://dsp.stackexchange.com/questions