scikit-image库----图像反卷积修复（二十一）

最新推荐文章于 2025-03-11 10:37:57 发布

Rock_Huang~

最新推荐文章于 2025-03-11 10:37:57 发布

阅读量1.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python Scikit-image

本文链接：https://blog.youkuaiyun.com/weixin_38632246/article/details/99845651

本文探讨了维纳滤波器和Lucy-Richardson算法在图像去噪和去卷积中的应用。维纳滤波器基于PSF和正则化参数调整，在频域进行图像修复；Lucy-Richardson算法则在时域内通过多次迭代恢复图像清晰度。两者均需手动调整参数以优化效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

维纳过滤器（Wiener filter）

基于PSF（点扩散函数）的逆滤波器，先前的正则化（高频惩罚）以及数据与先前充分性之间的权衡。必须手动调整正则化参数。
在此示例中，我们使用Wiener和无监督的Wiener算法对图像的噪声版本进行去卷积。该算法基于线性模型，不能像非线性方法（如电视恢复）那样恢复锐边，但速度要快得多。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from skimage import color, data, restoration

astro = color.rgb2gray(data.astronaut())
from scipy.signal import convolve2d as conv2
psf = np.ones((5, 5)) / 25
astro = conv2(astro, psf, 'same')
astro += 0.1 * astro.std() * np.random.standard_normal(astro.shape)

deconvolved, _ = restoration.unsupervised_wiener(astro, psf)

fig, ax = plt.subplots