Type真是太帅了

我们都知道，在不考虑噪声的情况下，图像模糊模型为：。b表示模糊图像，f表示原始清晰图像，h表示模糊核，*表示卷积。根据空域-频域转换定理，空域的卷积等于频域的乘，空域的加减等于频域su的加减。所以，其频域表示为：,大写字母对应小写字母的频域。 如果已知模糊核h和模糊图像b，怎么求得原始图像s呢，答案是逆卷积。我们可以在频域进行等价变换：，并将h的频域得逆记作Φ,即其空域为φ，可以视作复原滤波器，使得f≈b*φ。 而如何得到这个复原滤波器φ呢？看似可以直...

七、6.2调用的dark_channel函数首先判断暗通道范围是否为奇数，然后对输入图像I进行四周边界扩充，类似于重复边界，这样扩充后的I进行暗通道计算时无需考虑边界值情况（比如位于第一列、第一行等）。遍历获得每一个暗通道块patch，找块在三个颜色通道（如果是彩色的话）的最小值，记作J，最小值的位置记作J_index。function [J, J_index] = dark_channel(I, patch_size)% function J = dark_channel(I, patch_s

三、 2.6调用的threshold_pxpy_v1函数（cho_code文件夹中）函数格式function [px, py, threshold]= threshold_pxpy_v1(latent,psf_size,threshold)三个输入参数潜在图像latent、模糊核大小psf_size和阈值threshold，输出参数px、py和threshold3.1 判断是否传入threshold参数（2.6 未传入，而？传入），如果未传入，则设置为0，并b_estimate_thres

文章《Image deblurring via extreme channels prior》源自2017年CVPR，代码地址：https://sites.google.com/site/renwenqi888/research/deblurring/ecp为了和代码对照，把论文中的重要知识点整理了一下：1.作者提出的模型：（10）D(l)和B(l)分别代表潜在图像l的暗通道和亮通道。2.亮通道：（2）Ω(x)表示以x为中心的区域。暗通道：把上式的两个m...

三 其他BC1.Repeated BC Xu Zhou等人在《A boundary condition based deconvolution framework for image deblurring》提及，由于原文写的公式比较复杂不好理解，所以就不赘述了，其实核心就是外部边界区域内的某个像素点的灰度等于距离其最近图像内像素点的灰度的大小。由于分界线是水平或者垂直的，那就更简单了，假设把外部边界分为8个区域： 即：1中所有像素值等于内部图像最左上角的像素值，3...

一 介绍 传统的图像复原方法可能会给复原图像引入振铃效应，并且以边界振铃为主；产生这种现象的原因简单地来讲主要是由于模糊核的 不精确或者信息丢失。[图片来自论文《光学合成孔径系统成像性能优化与分析》P79 魏小峰] Renting liu、Jiaya Jia在论文《REDUCING BOUNDARY ARTIFACTS IN IMAGE DECONVOLUTION》中对这种效应的原因进行了解释： The convolution operator...

本文简单实现了光学与光电技术论文《基于改进自适应Wiener滤波的光学合成孔径系统图像复原算法》(2015年2月第13卷第一期)提及的改进自适应维纳滤波算法。 光学系统成像（降质模型）如下： f表示目标物，PSF表示点扩散函数，*代表卷积，g为得到的像。 作者在原文中表明，如果局部图像方差小而局部噪声方差大，说明图像总体变化不大，比较平滑，而噪声波动范围较大。为使图像平滑增强，更大程度地抑制噪声，维纳滤波中K的值需要取得更大；相反，...

本文简单实现了浙江大学陈灏硕士学位论文《光学稀疏孔径成像系统图像恢复算法研究》(2017)中4.2章节提及的改进维纳滤波算法。 前情提要：维纳滤波函数中不同K(噪声与原属图像功率谱之比)的取值对应复原效果不同，当K值比较小时(10^-4~10^-3)时，图像边缘存在着严重的振铃效应，而随着K的慢慢增大，振铃效应越来越弱直至消失，最后图像变得越来越模糊。所以作者提出了一中基于PSNR的图像质量评价体系的改进的维纳滤波算法，目的是选取最优的K值，使得用该K做维纳滤波得到的复原后...