Deblur: 运动模糊图像复原 (一)

本文探讨了运动模糊图像复原的过程,包括使用金字塔模型估计模糊模型,通过L0亮度和梯度先验预估latent image,以及利用反卷积处理去除振铃失真。虽然C++实现可能不如原始测试效果,但在某些抖动图像的复原上表现良好。文章强调了传统方法在深度学习时代的重要性,并提出未来研究方向。

本次博文主要想记录一下自己在做运动模糊图像复原时的一些总结和心得感悟,方便以后回顾。

Reference

Deblurring Text Images via L0 -Regularized Intensity and Gradient Prior

 

主要难点: 估计模糊模型

解决方式:

           ①使用金字塔模型,创建模糊图像相应的层级图像;并根据缩放比例创建模糊模型的大小。可以手动设置金字塔底层模型的大小。

           ②初始化金字塔顶层模型。

           ③根据对应层级模糊图像的L0亮度和梯度 + 对应层级的模糊模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值