反褶积中的OpenCV边界伪影

Question

我是一个新的OpenCV用户，我正在为大学做一个项目。该程序采取输入图像，模糊它的综合，然后，消除它。当综合模糊图像被反卷积时，边界伪影产生because...well，到目前为止，我还没有实现边界条件。下面是几个例子:您可以看到输入的非模糊图像、综合模糊的图像以及我得到的最终输出：

http://answers.opencv.org/upfiles/13953138566866107.png

根据我正在编写的代码，边界条件必须通过用点扩展函数宽度填充输入图像来实现，并创建一个掩码来指示哪些像素来自捕获区域，哪些像素来自边界区域。

如果我的问题可能很愚蠢，我很抱歉，但是：

1.如何计算点扩展函数的宽度？到目前为止，我使用的是一个简单的3x3盒模糊内核，内核内部有1/9s。3是宽度吗？

2.如果点扩展函数的宽度为3，我是否必须在四面增加三个像素来填充输入图像，还是必须通过“覆盖”因模糊处理而产生的“暗框”来填充输入图像？据我所知，那些“暗框”区域包含原始非模糊图像的平均值，因此不可能在这些区域重建开始的图像进行反褶积，这只会产生和传播伪影。

我想说的是:我是否必须在输入图像的所有四面增加额外的像素，还是必须“覆盖”“暗框”，根据我的理解，它的宽度与点扩展函数相同？

http://answers.opencv.org/upfiles/13953135698274495.png

3.，我必须要为非模糊的输入图像或合成模糊的输入图像垫垫吗？

提前感谢您的帮助！

Answer 1

我已经测试了源代码(我已经适应了opencv)，它的工作原理非常完美。

对你的问题的回答：

1.是的，在这种情况下，内核大小是3。

2.在链路源上，对图像区域进行卷积处理，使图像每侧的核边减少一半。

​

​

图像大小等于你的南方图像(所有绿色和蓝色区域)。

但是你的工作区域比整体图像要小，并且标记为绿色。

相对于源图像，它减少了一半的内核大小(蓝色边框)。

3.不，你没有。

似乎您已经应用了内核大小大于3的盒子过滤器。

以下是我的研究结果：

模糊图像(方框滤波器3x3)：

​

​

去模糊图像：

​

​

您可以在这里下载我的源代码：opencv.zip

当使用大内核时，您将在高频(硬边)上获得振铃。

它可以通过增加正则化系数来减少(它会给图像增加一些“平坦”)。

下面是我从初始源代码获得内核的结果：

模糊图像：

​

​

去模糊图像：

​

​

尝试获取您的图像参数：

const double reg_weight     = 0.0002;   // regularizer weight
const double sigma          = 9.0;      // mutation standard deviation
const double reset_prob     = 0.005f;   // russian roulette chain reset probability
const int    num_iterations = 400;      // number of 'iterations', mostly for output
double ed                   = 0.025;     // starting deposition energy

关于私营部门基金：

const int    psf_cnt = 9;
const double psf_v[] = { 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0 };
const int    psf_x[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };
const int    psf_y[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };

我得到的结果如下：

​

​