【问题标题】：how to apply a deconvolution method on an image?如何在图像上应用反卷积方法？
【发布时间】：2012-10-14 20:09:57
【问题描述】：
这是this ques 的扩展问题。感谢Kindall和Stephan Van der Wallt，原来为了解决前面的问题，我需要了解如何使用 python 和任何相关软件包在图像上应用 deconvolution 进程。
因为我只知道python，你可能想告诉我如何使用python转换这个链接MatLap code中的MatLab代码，我只对“卷积定理 - 练习部分”感兴趣，那会很棒帮助。
我还需要了解 convolve 或 deconvolve 方法 对图像的作用。我用谷歌搜索试图弄清楚，但有很多方程式我无法完全理解。
注意：
(1) 关于deconvolve 工作原理的任何解释，我们将不胜感激。
谢谢
【问题讨论】：
标签：
image-processing
numpy
python-2.7
scipy
scikit-image
【解决方案1】：
形式上，卷积是对两个函数的数学运算。
在图像处理中，它可以看作是一种操作，对于图像的每个像素，将其值与相邻像素的值混合。邻居值由卷积核加权。由于图像中的所有过渡都经过平滑处理，因此这种混合会对图像产生模糊效果。
卷积模型的一个强有力的假设是内核在所有图像中都是相同的，并且不会从一个像素变为另一个像素。
在光学术语中，卷积核称为点扩散函数（PSF）。
反卷积是旨在unmix像素值的逆运算。您可以将反卷积问题分为 3 类：
- 盲反卷积，其中不知道有关内核的信息
- 近视反卷积，其中人们对卷积核的了解有限
- 预先知道内核的去卷积
当然，后一种情况更容易解决。对后面这个问题的一个简单解决方案是使用 inverse 内核对图像应用另一个卷积。这个简单的解决方案的主要缺点是它往往会提高图像的噪声水平（因为反卷积是一个不适定的逆问题）。
作为对这个问题的回应，已经开发了规范化反演的方法。但请记住，反卷积是一个活跃的研究领域，尚未找到通用、高效的盲反卷积算法。
请注意，反卷积与unsharp masking 不同，unsharp masking 也旨在锐化图像，但通过增加图像的高频。