【正文】 程（ 1）， G 是退化 /模糊圖像， H 是空間不變函數(shù)（ IE）的模糊函數(shù)，f 為原始圖像， n 為加性噪聲。下面的圖 1 代表退化模型的結(jié)構(gòu)。 原 圖 f （ x ， y ）高 斯 過 濾+退 化 / 模 糊 圖像高 斯 噪 音高 斯 噪 音 圖 1 退化模型 圖像清晰化，可以通過該技術(shù)，高斯模糊 [3]。這是與 二 維高斯函數(shù)卷積圖像。 A） 高斯濾波器： 13 高斯濾波器是用來使用高斯模糊圖像的功能。它需要兩個均值和方差等參數(shù)。這是加權(quán)模糊。高斯函數(shù)的形式如下 2 2 22 / 2( , ) 1 / 2 * xyG x y e ??? ??? （ 公式 2） 其中σ為方差， x 和 y 是從在原產(chǎn)地和 高斯 橫軸縱軸距離濾波器有一個有效的實施，它允許創(chuàng)建一個非常模糊，模糊在一個相對短的時間內(nèi)圖像 。 B） 高斯噪聲： 能夠模擬的行為和隔音效果是至關(guān)重要的圖像復原。高斯噪聲是一個恒定的均值和方差的白噪聲。均值和方差的默認值是 0 和 。 C） 模糊參數(shù)： 對于模糊圖像所需要的參數(shù)是滌綸短纖，長度模糊，模糊的角度和噪聲類型。點擴展函數(shù)是一 個模糊的功能。當觀測點圖像強度在幾個像素的蔓延，這就是所謂的點擴散函數(shù) 。模糊長度的像素數(shù)，其中圖像退化。這是像素位置的數(shù)目從原來的位置轉(zhuǎn)移。 模糊角是在哪個角度圖像退化?？捎妙愋偷脑肼暿歉咚乖?聲，椒鹽噪聲，泊松噪聲，斑點噪聲，是模糊使用。在本文中，我們使用高斯噪聲也被稱為白噪聲。它需要的均值和方差作為參數(shù)。 D） 退化模型的算法 輸入： 載 入 輸入圖像 “ f” 初始化模糊長度 39。139。 初始化模糊角 39。theta39。 指定的噪音 39。n39。 點擴散函數(shù) （點擴展功能）， 39。h39。 程序 Ⅰ h=create (f, l, theta) %Creation of PSF Blurred image (g) = f*h + n g= filter (f, h, n,” convolution” ) 如果 39。g39。包含“響鈴” ，然 后在其邊緣 利用邊緣刪除振鈴效應錐度功能 其他 轉(zhuǎn)到步驟 Ⅱ 結(jié)束 程序 Ⅰ 14 3 Canny 邊緣檢測和振鈴效應 離散傅立葉變換所使用的反降晰函數(shù)創(chuàng)建高頻率落于圖像的邊緣了。這種高頻率落客可以創(chuàng)建一個效果稱為邊界有關(guān)的 deblurred 圖像振鈴。為了避免在這個圖像邊緣振鈴效應，我們要檢測圖像的邊緣。有各種邊緣檢測方法可用來檢測圖像的邊緣 [4]。 邊緣可以檢測有效利用 Canny 邊緣檢測方法。它不同于其他的邊緣檢測 比如 Sobel,， Prewitt， Roberts， Log， 因為它使用了兩個不同的閾值探測敵人都強 ，弱邊緣的方法。邊緣提供了衍生數(shù)（大于閾值的強度更大）估計。邊緣可以檢測是否存在檢查振鈴在輸入的圖像效果。 A)Canny 邊緣檢測器 Canny 邊緣檢測方法中找到對 F 的梯度當?shù)刈畲蟮模?x， y）展望邊緣。梯度的計算使用了高斯濾波器的衍生物。該方法使用兩個閾值來檢測強，弱邊緣，只有當包括它們連接到強邊輸出的弱邊緣。因此，這種方法更容易發(fā)現(xiàn)真正的弱邊緣。 涉及的步驟以精明的方法： 使用的是平滑指定的標準差高斯濾波器的形象，降低噪音 當?shù)氐奶荻葹?g（ x， y）和邊緣方向是在每個點計算的。 邊緣點確定引起的梯度幅值圖像 脊。然后，這脊像素的閾值， T1 及 T2，與T1T2 的。 與值大于 T2 是說 be39。strong 邊緣的像素嶺像素。 T1 及 T2 之間的像素值里奇說是弱邊緣的像素。 B） Edgetaper 振鈴效應： 振鈴效應可避免使用邊緣錐度功能。 Edgetaper 功能是用來進行預處理，然后將它傳遞給我們的形象清晰化功能。它消除了高頻率下降，在一個圖像的模糊整個圖像＆然后代替了該中心關(guān)閉像素邊緣模糊的圖像與原始圖像。 4 整體構(gòu)架和去模糊算法 下面的圖 .2 代表本文的整體架構(gòu)。 15 原始圖像是利用退化或模糊的退化模型產(chǎn)生的模糊圖像。模 糊 的圖像應該是對去模糊算法的輸入。不同的算法是清晰化提供。在本 文中，我們將使用盲反卷積算法。這種算法的結(jié)果產(chǎn)生的圖像清晰化，可以用我們的原始圖像進行比較 [5]。 原 始 輸 入 圖 像 退 化 模 型盲 反 卷輸 出 圖 像模 糊 圖 像去 模 糊 圖 像 圖 2 整體構(gòu)架 一） 盲反卷積算法： 盲反卷積算法可以有效地加以利用時不會失真信息是眾所周知的。它同時恢復圖像和 PSF。該算法可以實現(xiàn)基于最大似然估計（ MLE） [6]。 算法去模糊： 輸入： 模糊圖像 39。g39。 初始化迭代 39。i39。 初始化點擴散函數(shù) 39。h39。 圖像的 39。w39。的％重量像素考 慮恢復 a=0（默認）％數(shù)組對應的加性噪聲 程序 Ⅱ 如果不知道，然后猜對 PSF 的初始值 其他 指定 點擴散 的退化圖像 恢復圖像 f’= Deconvolution (g, h, i, w, a) 結(jié)束 程序 Ⅱ 16 5 示例結(jié)果 下面的圖片是從退化的使用高斯模糊模型的結(jié)果。第一幅圖像 圖 3 所代表的原始圖像和它的邊緣可以用 Canny 邊緣檢測方法估計。 圖 3 原始圖像 邊緣檢測可以適用于灰度圖像。具有強烈的 origianl RGB 圖像可以轉(zhuǎn)換為灰度圖像。之后， Canny 邊緣檢測 獲得原始圖像的邊緣。 如圖 4 所 示： 圖 4 原始圖像邊緣 17 原始圖像 可以通過指定使用模糊的模糊參數(shù)高斯低通濾波器。下面的圖像被描繪成模糊的圖像。 如圖 5，圖 6 所示： 圖 5 模糊圖像 圖 6 模糊圖像的邊緣 示例圖像在應用了復原算法后復原如下。 如圖 7 所示： 18 圖 7 復原圖像 6 結(jié)論 我們已經(jīng)提出了盲圖像去模糊方法。該方法只相差微弱施加限制大多數(shù)其他現(xiàn)有方法的模糊過濾器，能夠恢復已遭受了大范圍的圖像退化。雙方的形象和良好的估計是模糊操作達成初步考慮主要圖像邊緣。 我們的方法是視覺修復質(zhì)量和數(shù)量比如維納濾波算 法，正則算法和露西 理查森與它比較其他算法好。 我們建議的盲反卷積算法的優(yōu)點是用來 復原 沒有先驗知識和附加的點擴展函數(shù) 和噪聲的退化圖像。但在其他算法，我們應該有 模糊參數(shù)的知識。 本文今后的工作增加了清晰化的過程，是減少了迭代次數(shù)為實現(xiàn)更好的質(zhì)量去模糊圖像的圖像中使用的速度。 19 參考文獻： [1] 馬里亞納 ． 阿爾梅達 ， 路易斯 ． 阿爾梅達 .， 盲和半盲去模糊的自然圖像 ［ J］ ，圖像處理匯刊， 2020，（ 19）： 36－ 52． [2] 米甲索雷爾和簡弗魯斯 。 （ 高級會員 ） ，空間變恢復退化的相機圖像運動模糊 ［ J］ ， 美國 ，圖像處理 匯刊， 2020（ 17）： 105－ 116． [3] 蔡建峰，惠吉， 劉 超強， 沈 左衛(wèi)。 使用多個圖像 下 盲人運動清晰 ［ J］ ，計算物理學雜志，2020:50577071． [4] 邵杰 ，吳瓊，李國輝，盲圖像卷積單一運動模糊圖像 ［ J］ ，雜志 ， 2020． [5] ， ，盲圖像卷積 ［ J］ ， 匯刊 ， 1996： 43－ 64． [6] 拉斐爾 ． 岡薩雷斯，李察 ． 森，史提芬 ． 艾丁斯，數(shù)字圖像處理應用 ［ M］， （皮爾森教育 ， 2020）．