在有关恢复散焦和模糊图像的文章的续篇中，我想分享我使用Wiener滤波器恢复真实图像的结果。 OpenCV 3.4被用作图像处理库。 相机-尼康D320，尼康DX AF-S尼克尔18-105mm镜头，手动散焦，无需三脚架即可拍摄。
散焦图像恢复结果
在散焦期间，失真系统可以通过半径r的圆柱点散射函数（PSF）很好地近似。
圆柱形PSF
以下是还原同一对象（书页）的三个真实散焦图像的结果。 在没有三脚架的情况下进行了约50厘米的拍摄，镜头的散焦度逐帧手动增加。 手动选择维纳滤波器参数r和信噪比（SNR），以确保获得最佳的视觉修复质量。 为了补偿边缘效果，在边缘处图像的亮度平滑降低。
图片A
图像恢复结果A。r = 53，SNR = 5200
图片B
图像恢复结果B。r = 66，SNR = 4400
图片C
图像恢复结果C.r = 102，SNR = 7100
可以看出，即使散焦很大，文本的可读性实际上还是
完全恢复。
恢复车牌模糊图像的结果
当相机和拍摄对象在曝光期间相对移动时，会发生图像模糊。 仅考虑对象相对于固定摄像机线性移动的情况。 在这种情况下，PSF很好地近似了失真系统，其形式是沿着物体的运动定向的段。 这样的PSF由两个参数定义：L长度和THETA润滑角。
线性润滑的PSF
下面是两辆汽车的畸变图像，它们在短时曝光不足的情况下获得，导致出现明显的模糊现象。
两辆车的图像失真
以下是使用维纳过滤器恢复两辆车的数量的结果。 选择参数L，THETA和SNR，以确保恢复最佳的车号视觉质量。
恢复明亮的车号的结果。 L = 78，THETA = 15，SNR = 300
恢复暗号的结果。 L = 125，THETA = 0，SNR = 700
可以看出，即使进行大量润滑，也可以恢复数字的可读性
汽车。
过滤算法在C ++ OpenCV中作为控制台应用程序实现。
可以在下面的链接中找到源代码。
https://github.com/VladKarpushin/out_of_focus_deblur/tree/full_color_version
https://github.com/VladKarpushin/motion_deblur
https://docs.opencv.org/4.0.0-alpha/de/d3c/tutorial_out_of_focus_deblur_filter.html
https://docs.opencv.org/4.0.0-alpha/d1/dfd/tutorial_motion_deblur_filter.html
文学作品
- RC冈萨雷斯（RC Woods）。 数字图像基础。 1987年。
- I.S. 格鲁兹曼（V.S.） 基里奇克（V.P.） G.I.科希克 Peretyagin，A.A。 幽灵。 信息系统中的数字图像处理。 2000。