研究图像去模糊的算法也有一段时间了,从最开始对贾佳亚08年的一篇文章算法的研究到现在,也仿真对比了不少算法。不知道大牛们会怎么看,但是对于我这样刚刚走到门槛的人来说,这行的水很深。没有一个大家带着入门,光靠自己研究很难找对正确的方向。
说来说去,图像去模糊无非有两个过程,第一:寻找模糊核。第二:去卷积。早期的去模糊算法都是非盲复原的算法,也就是需要预先知道PSF,只注重于去卷积的过程。去卷积的方法就多了去了,从经典又好用的RL算法,到逐渐被淘汰的各种滤波算法,到现在比较流行的迭代的办法。除了个别大牛还可以在迭代的解法上有所创新,个人感觉去卷积方向上大多数人都在研究怎么抑制振铃效应,这几年的文章对振铃效应处理已经有了不小的成果。寻找模糊核的工作近些年好像没有特别大的进展,新出的算法大多还是建立在梯度信息上,通过不同数学模型的模拟,或者利用多尺度的信息,或者利用别的增强边缘的信息,对凸或者非凸的模型进行迭代或者直接的求解。迭代的作用也从最开始的解决模糊核过程的非凸问题,到现在出现的将求解模糊核过程与去卷积过程放到一个循环过程中对最佳结果进行逼近。
之前做超分辨率复原或者模式识别的项目的时候,习惯于用VS搭载OPENCV库进行仿真,也许这会比单纯用MATLAB复杂些,但灵活性更强,自己可以掌控的东西更多一些。但在做去模糊系统的时候却遇到了不少困难。OPENCV对频域的处理功能并不全面,资料也不多。网上