我正在使用 OpenCV 处理手机拍摄的图片。图片包含文字，并且有少量运动模糊，我需要将其移除。
最可行的算法是什么？到目前为止，我已经测试了 Lucy-Richardson 和 Weiner 反卷积，但它们没有产生令人满意的结果。
【问题讨论】：
标签： c++ algorithm image-processing opencv
运动模糊是一个难以克服的问题。当
您确实有一个主要优势，那就是您正在查看文本（通常构成高对比度特征）。如果您仅将反卷积应用于图像的高对比度（我知道该理论通常是排除高对比度）区域，您应该得到可以让您更好地识别字符的结果。此外，锐化/模糊滤镜前/后处理的组合可能会有所帮助。
我记得以前对this paper 印象深刻。也许对他们的实施进行调整是值得一试的。
【讨论】：
您无法消除运动模糊。信息将永远丢失。您正在处理的是一个 CCD，它将多个真实物体记录到一个像素上，并将它们涂抹在一起。换句话说，如果像素读数为 56，您无法神奇地确定实际读数在时间 1 时应为 37，在时间 2 时应为 62，在时间 3 时应为 43。
另一种看法：假设您有 5 张图片。然后，您使用 Photoshop 将图片混合在一起，平均每个像素的值。你现在能从混合图片中以某种方式说出最初的 5 张图片是什么吗？不，你不能，因为你没有这样做的信息。
【讨论】：
我认为您的点扩散函数的估计可能比使用的算法更重要。这取决于您要消除的运动模糊类型，线性运动可能是最简单的，但不太可能是您要消除的那种：我想它是曝光期间手部运动引起的非线性.
【讨论】：
同意@TheJuice，您的问题在于 PSF 估计。通常为了能够从单帧执行此操作，需要对导致模糊的因素（物体的运动、传感器的运动类型等）做出几个假设。
您可以找到一些指针，尤其是在单维情况下，here。他们使用一种过滤方法，主要从模糊中留下相关性，丢弃原始图像的空间相关性，并使用它来推断运动方向，从而推断出 PSF。对于小的模糊，您可以将运动视为恒定；否则你将不得不使用更复杂的加速运动模型。
不幸的是，手机模糊通常是 CCD 集成和非线性运动（垂直于视线的平移、手腕运动的偏航和手腕周围的旋转）的复合，因此 Yitzhaky 和 Kopeika 的方法可能只能产生可接受的结果导致少数情况。我知道有一些方法可以解决这个问题（“深度意识”等），但我从来没有机会处理它们。
您可以使用 Focus Magic 等照片恢复软件预览结果；虽然他们不使用 YK 估计器（运动描述留给您），但其余的工作流程必然非常相似。如果您的图片适合 Focus Magic 恢复，那么可能 YK 方法会起作用。如果它们不够（或不够，或不够值得），那么即使尝试实现它也毫无意义。
【讨论】：