本文主要是介绍[数字图像处理]图像复原--逆滤波，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.逆滤波的问题点
图像的老化，可以视为以下这样的一个过程。一个是退化函数的影响（致使图片模糊，褪色等），一个可加性噪声的影响。
用算式表示为
前几篇博文，主要是介绍可加性噪声
的去除。本博文，主要介绍图像的逆滤波，即退化函数
的去除。然而，逆滤波在空间域内的处理是很不方便的。
的去除。本博文，主要介绍图像的逆滤波，即退化函数的去除。然而，逆滤波在空间域内的处理是很不方便的。
简单的来考虑，加法的逆运算是减法，乘法的逆运算的除法，微分的逆运算是积分(严密一点说是不定积分)。那么就可以得到一个简单的结论了，要出去卷积的话，肯定需要用到卷积的逆运算。卷积的逆运算是---------反卷积，额，好像是一个理所应当的名字。 我们建立了一个关于卷积的直观认识，将信号反转与滤波器系数求积和。那么，反卷积是一种什么样的运算呢？或者具体的来讲，反卷积的空间运算表现形式是什么样的？这样的考虑其实是多余的，或者说，不用考虑的那么复杂。
在之前的博文中([数字图像处理]频域滤波(1)--基础与低通滤波器)，我们得到这样的一个重要的结论。空间域内的卷积，其实就是频域内的乘积。那么这么考虑，就非常简单了，频域内的逆滤波运算，其实就是做除法。我们通过傅里叶变换，可以得到如下一个频域内的老化模型。
这样一个表达式内，没有了卷积运算，是一个很简单的四则运算。那么，所谓的去卷积或者逆滤波，就是将退化函数
去除的过程。这样看来的话，直接做除法就可以了，如下所示。
去除的过程。这样看来的话，直接做除法就可以了，如下所示。
按照教材上的说法，这个表达式很有趣（哪里有趣了？）。首先，必须知道精确的退化函数。其次，如果退化函数含有0值或者极小值的话，会使得噪声项
变得极大。
。其次，如果退化函数含有0值或者极小值的话，会使得噪声项变得极大。
综上所述，其实逆滤波的问题点有两个：、
1.退化函数的推测。
的推测。
2.尽可能的不让噪声项影响画质。
影响画质。
2.两个退化函数的模型
2.1 大气湍流模型
这个模型很简单，与高斯LPF很相似。伴随着
值的增大，得到的图像越来越模糊。以下是这个模型执行的结果。
值的增大，得到的图像越来越模糊。以下是这个模型执行的结果。
从表示式上可以看出&
这篇关于[数字图像处理]图像复原--逆滤波的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
