反卷积，维纳滤波

        原图像因为手抖产生运动模糊，利用PSF建模（模拟相机抖动（白色短线）），原图像与模糊核卷积后产生模糊效果

 如果已知模糊图像和模拟的模糊核，就可以利用傅里叶变换模拟出原图像（清晰）效果

        从时域变换为频域（傅里叶变换），卷积计算变为乘积，通过模糊图像除以模糊核来计算原图像，最后通过逆傅里叶变换得到原图像。

操作方法：

        在傅里叶域中恢复原始图像

        模糊图像通过逆卷积得到原始图像

        实际处理中存在噪声

        在处理图像的过程中如果忽视噪声处理图像，噪声也会被放大

在频域中，模糊图像除以模糊核得到清晰图像时，如果模糊核的值过小的话，得到的原图像的值就会越大，图像就会变得不可恢复。

模糊核本质上是一个低通滤波器。对于高频的（u，v）（图像细节），在模糊图像中的噪声很大，或是滤波器约等于0，都会导致噪声在模糊图像中被放大。

如何打消噪声：现在设计一个常量用来打消噪声，NSR（u，v）越大，该常量越小，运动模糊越小，该常量越小。常量越小，则噪声和运动模糊对于逆变换的影响越小。

现将上方算式中的G(u,v)提取出来，得到维纳滤波的公式。

噪信比：衡量噪声相对于信号强度的指标。在实际场景中，无法得到NSR（无法衡量power）。

噪信比通常被设为某个常量，通过测试，修改常量直到合理。

处理效果：