给我们的图像已被损坏
- 高斯模糊
- 高斯噪声
- 运动模糊
按照这个顺序。上述所有参数（滤波器大小、方差、信噪比等）对我们来说都是已知的
我们如何恢复图像？
我曾试图通过对上述内容进行卷积来计算聚合退化函数，然后使用Weiner滤波器进行恢复，但到目前为止，这些尝试都失败了，因为模糊仍然存在。
谁能给我点光吗？
对于高斯和运动模糊，这是一个推导卷积核的问题。一旦知道了，就可以在傅立叶空间中进行反褶积。图像的傅立叶变换除以核的傅立叶变换，得到（希望）改进图像的傅立叶转换。
高斯变换为其他高斯，所以除以零没有问题。但是Gaussians确实下降得很快，比如exp（-x^2），所以你可以用小数字除以，得到大而古怪的高频振幅。因此，必须应用某种恒定的偏置或其他方法来防止核的FT变小。这就是维纳滤波器的作用所在。通常根据随机噪声水平或量化来选择偏差。
对于运动模糊，典型的情况是将干净的图像与短线段进行卷积。不幸的是，尖锐的截断线段有很多零。再次，维纳过滤营救。
加性高斯噪声不能被去除，但可以被平均掉。最简单快捷的方法是使用高斯、长方体或其他滤波器模糊图像。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（大气中的云细节），所以我使用了边缘检测器，放大（放大）其输出，使其模糊，并将其用作掩模，以保护图像的部分免受小半径模糊滤波器的影响。应用不同的筛选器。
有信号处理堆栈交换网站（目前处于测试版），它可能有关于恢复损坏图像的问题和答案。https://dsp.stackexchange.com/questions