104. 运动模糊退化模型

7. 图像复原与重建索引

一、 模型法估计退化函数

• 估计图像复原中所用的退化函数，主要有三种方法：观察法、试验法和数学建模方法。

• 分析导致退化的原因，根据基本原理提出退化模型，如湍流导致的模糊、匀速运动导致的模糊，可以基于模型更加准确地估计退化函数。
  下面以运动模糊和大气湍流模型为例，采用退化模型对图像的退化建模。

二、运动模糊退化模型

• 运动模糊是相机，物体，背景间相对运动造成的效果，通常由于长时间曝光或场景内的物体快速移动导致，在摄影中可以借助移动镜头追踪移动的物体来避免。

• 对匀速线性运动模糊建模，假设图像 f(x,y) 做平面运动，运动在 x、y 方向的时变分量分别为 。记录介质上任意点的总曝光量是瞬时曝光量的积分，可以建立运动模糊退化函数模型：
  

  

三、例程

• 9.18：运动模糊退化模型

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 9.18: 运动模糊退化图像 (Motion blur degradation)
def motionBlur(image, degree=10, angle=45):
    image = np.array(image)
    center = (degree/2, degree/2)  # 旋转中心
    M = cv2.getRotationMatrix2D(center, angle, 1)  # 无损旋转
    kernel = np.diag(np.ones(degree) / degree)  # 运动模糊内核
    kernel = cv2.warpAffine(kernel, M, (degree, degree))

    blurred = cv2.filter2D(image, -1, kernel)  # 图像卷积
    blurredNorm = np.uint8(cv2.normalize(blurred, None, 0, 255, cv2.NORM_MINMAX))  # 归一化为 [0,255]
    return blurredNorm

# 运动模糊图像
img = cv2.imread(r"E:/OpenCV/Fig0507b.tif", 0)  # flags=0 读取为灰度图像

imgBlur1 = motionBlur(img, degree=30, angle=45)
imgBlur2 = motionBlur(img, degree=40, angle=45)
imgBlur3 = motionBlur(img, degree=60, angle=45)

plt.figure(figsize=(9, 6))
plt.subplot(131), plt.title("degree=20"), plt.axis('off'), plt.imshow(imgBlur1, 'gray')
plt.subplot(132), plt.title("degree=40"), plt.axis('off'), plt.imshow(imgBlur2, 'gray')
plt.subplot(133), plt.title("degree=60"), plt.axis('off'), plt.imshow(imgBlur3, 'gray')
plt.tight_layout()
plt.show()

四、资料

youcans_的博客：
https://blog.csdn.net/youcans/article/details/123027195