图像去模糊之初探--Single Image Motion Deblurring

曾经很长一段时间， 对图像去模糊都有一种偏见， 认为这是一个灌水的领域， 没有什么实用价值，要到这样的文章，不管是多高的档次， 直接pass。 最近在调研最近几年的关于Computational Photography的一些研究热点时， 发现图像去模糊这个领域非常活跃， 一些效果图还是蛮有意思的。 于是大概浏览了其中的几篇文章， 慢慢地我的这种偏见也消失了。 当数码消费电子日益普及的时候， 这项技术确实非常有用。 它能挽救相当一批由于曝光时间过长或者拍摄 时手的抖动造成的模糊照片。

 

图像的模糊按照模糊核的性质来分类可分为： Blind image deconvolution（BID 芒去卷积）和Non-blind image deconvolution（NBID 非芒去卷积）。BID就是在模糊核未知的情况下恢复出清晰的图像。在这种情况下， 除了采集到的图像， 其他的没有任何任何信息。 NBID是在模糊核已知的情况下恢复出清晰的原始图像。 因为有了模糊核这个非常重要的信息， 去卷积的工作就相对来说容易多了， 主要任务就是如何在保持细节的情况下抑制噪声。过去三四十年， 很多研究都集中在这个领域， 也有了不少很实用的方法，比如维纳滤波， Richardson-Lucy方法。后来有些方法是基于去噪方法的， 比如傅立叶，小波，Curvelet，和TV方法。 一般来说， NBID是BID的基础。 一旦模糊核估计出来， 所有的NBID方法都可以在BID中使用。

 

按照模糊的区域来划分， 又可分为： 全局模糊和局部模糊。 全局的模糊主要是由于拍摄设备的运动造成的， 而局部模糊是由于单个物体的 运动造成的。 从实用性来说， 全局模糊要好于局部模糊。 理