Matlab去模糊/图像复原（DOING）

学习中，如有错误，敬请指正，谢谢大家~

1、直接逆滤波：属于非盲复原，PSF已知，直接频域相除。

blurred=imfilter(img,PSF,'circular');noised=imnoise(blurred,'gaussian',mean,var);

Ifn=fft2(noised);deblurredn=ifft2(Ifn./Pf);

2、deconvblind：属于半盲复原，预测+求解PSF，内核：概率极大，最大似然算法。

[J,PSF] = deconvblind（I，INITPSF）

[J,PSF] = deconvblind(I,INITPSF,NUMIT,DAMPAR,WEIGHT,READOUT).

[J,PSF] = deconvblind(...,FUN)FUN（可选）是描述PSF附加约束的函数在每次迭代结束时被调用。FUN必须以PSF作为其第一个参数，并且可以接受附加参数P1，P2，...，PN。 

NUMIT（可选）是迭代次数（默认值为10）。

DAMPAR（可选）是阻尼，一个用于指定图像复原结果的阈值偏差的数组（根据泊松噪声计算的标准差）。 默认值为0（无阻尼）。【TODO：阻尼的概念还不是很理解】

WEIGHT（可选）分配给每个像素反映相机的拍摄质量的权重。将坏像素分配零权值从而排除该像素。 

READOUT（可选）是对应于附加噪声和读出相机噪声方差的阵列（或值）。

注意，输出图像J可能会出现由算法中使用的离散傅里叶变换引入的振铃。 在调用deconvblind之前，为了减少振铃使用I = EDGETAPER（I，PSF）。

 注：I 和 INITPSF可以是uint8，uint16，int16，double或single。

DAMPAR和READOUT必须与输入图像具有相同的等级。其他输入必须是double。

输出图像J（或输出单元的第一个阵列）与输入图像I具有相同的类别。输出PSF是double

3、deconvlucy：属于非盲复原，PSF已知，内核：最大似然+贝叶斯公式，也即Lucy-Richard算法

J = deconvlucy(I,psf)

J = deconvlucy(I,psf,iter,dampar,weight,readout)

使用泊松统计模型描述图像，最大似然复原过程中利用贝叶斯公式进行概率的迂回求解。最大似然：似然函数（图像函数）取对数求导解方程求极值。【TODO：最大似然+贝叶斯公式的数学理解】

4、deconvwnr：属于非盲复原，PSF已知，内核：差异最小 最小二乘，也即维纳滤波

J = deconvwnr(I,psf,nsr)

J = deconvwnr(I,psf,ncorr,icorr)

利用信号功率谱/噪声功率谱 因子消除逆滤波中的零分母问题。这里功率谱就是自相关函数，第一中是直接用信噪比NSR第二种是用噪声自相关和信号自相关。

比如：
Sn=abs(fft2(noise)).^2;%噪声功率谱NCORR=fftshift(real(ifft2(Sn)));%噪声自相关函数

5、deconvreg：属于非盲复原，PSF已知，内核：最小二乘+拉格朗日算子，也即约束最小二乘正则化方法

[J,lagra]= deconvreg(I,psf,np,lrange,regop)

最小二乘表示差异小，拉格朗日算子由拉普拉斯算子得到意义在于平滑。

6、deconvtv:属于非盲复原，PSF已知，内核：一阶二阶范数+差异最小，也即全变分方法

代码来源：https://download.csdn.net/download/qq_20376785/10479356【TODO：理解复现】

其中， ​（Rudin，1992年，全变分定义）

7、

【TODO：Restoration of defocused and blurred images Vladimir Yuzhikov个人主页：http://yuzhikov.com/Project:smartdeblur于2012年12月上传至GITHUBhttps://github.com/Y-Vladimir/SmartDeblur/downloads效果很好】

refer：

1、https://blog.csdn.net/weixin_42231070/article/details/84288140

2、https://blog.csdn.net/zssyu0416/article/details/80648369

3、https://blog.csdn.net/Du_Shuang/article/details/82899648

4、https://blog.csdn.net/YangYaYan/article/details/89188006

5、https://blog.csdn.net/bluecol/article/details/47359421

6、https://blog.csdn.net/qxqsunshine/article/details/88824755