维纳滤波python 函数_Python中离焦图像的维纳滤波

我试着用维纳滤波来消除离焦图像的模糊。我的申请纯粹是学术性的，所以我不需要一个完美的结果。但是，我遇到了一些奇怪的问题，我不确定我是否正确地做了事情。在

首先，我安装了一个照相机，拍了两组图像。第一组图像对焦。我首先在一个完全黑暗的房间里拍了一张非常小的LED的照片。然后我把一张纸直接放在LED前面(现在它已经关闭)，用闪光灯拍了一张照片。现在我把相机的焦距散焦，以同样的方式拍摄了另一组图像。在

我的理解是，离焦点光源的照片是一个实验测量的点扩散函数。因此，我认为使用逆滤波可以很容易地对失焦图像进行去模糊处理。好吧，事实证明这并不是那么容易(见前面的post)。所以现在我正在尝试实现一个维纳过滤器，我没有太多的运气。这是我目前为止的计划。我设置了两个滑块来更改kernel_size和{}的值，而不必重新运行程序。在import numpy as np

import matplotlib.pyplot as plt

import ipywidgets as widgets

import cv2

kernel_size = 5

restoration_parameter = 1

# Read in images: out-of-focus, in-focus, and experimental point spread function

img = cv2.imread('pictures/out_of_focus.jpg')

blur = img[:,:,0]

img2 = cv2.imread('pictures/in_focus.jpg')

clean = img2[:,:,0]

img = cv2.imread('pictures/PSF.jpg')

psf1 = img[:,:,0]

psf2 = np.ones((kernel_size, kernel_size)) / kernel_size**2 # A square kernal

psf = psf2 # set psf to be either psf1 (experimental point spread function) or psf2 (square kernal)

deconvolved_img = restoration.wiener(blur, psf, restoration_parameter, clip=False)

fig = plt.figure()

ax = plt.subplot(111)

new_image = ax.imshow(deconvolved_img)

plt.gray()

plt.show()

def update(kernel_size, restoration_parameter):

psf2 = np.ones((kernel_size, kernel_size)) / kernel_size**2

psf = psf2 # set psf to be either psf1

deconvolved_img = restoration.wiener(blur, psf, restoration_parameter, clip=False)

new_image.set_data(deconvolved_img)

ax.set_title(r'kernel size = %2.0f, restoration parameter =%2.5f' % (kernel_size, restoration_parameter))

return

widgets.interact(update, restoration_parameter=widgets.FloatSlider(min=0,max=100,step=0.1,value=epsilon,description=r'Res. Par.'),

kernel_size=widgets.IntSlider(min=0,max=40,step=1,value=kernel_size,description=r'kernel size'))

如果psf设置为psf1，程序将使用实验测量的点扩展函数。在本例中，不使用kernel_size参数。令我惊讶的是，这张未模糊的图像看起来就像噪音，没有任何我期望看到的图像。这让我很困惑，因为我认为这是我正在处理的系统的一个实验性的点扩散函数，因此应该是一个很好的起点。显然，我一定是搞错了(我也错认为反滤波是可行的)。如果有人能向我解释为什么这根本不起作用，我将不胜感激。在

如果psf设置为psf2，则程序使用大小为kernel_size的正方形内核。在这种情况下，去模糊的图像确实像我所期望的那样，但是最终的图像仍然是完全模糊的，没有一组参数似乎有帮助。我想我并不惊讶于这种方法不能很好地工作，因为这里的点扩散函数似乎不是一个很好的近似值。但我很惊讶，它比用实验测量的点扩散函数工作得更好。这让我觉得我可能做错了什么。在

不管怎样，我希望有人能告诉我我做错了什么(如果有的话)，并为我指明一个可能会带来成功的方向。顺便说一下，虽然我有对焦图像作为参考，但我不想在计算中使用它。我试图演示一个真实的场景，在这个场景中，你可能拍摄了一张失焦的照片，而你想在没有进入对焦照片的情况下修复它。在

阿特瓦安克塞

如果有帮助的话，这里有离焦图像(文本)和离焦LED(我相信这是一个实验性的点扩散功能)。在