对图像进行去模糊以执行边缘检测

Question

我有这张图片：

我正在尝试使背景聚焦，以便对图像执行边缘检测。我可以使用哪些方法（无论是在 空间/频率字段）？

---

我尝试的是以下内容：

kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
im = cv2.filter2D(equ, -1, kernel)

这会输出这个图像：

我也玩过中心值，但没有积极的结果。

我也试过这个：

psf = np.ones((5, 5)) / 25
equ = convolve2d(equ, psf, 'same')
deconvolved = restoration.wiener(equ, psf, 1, clip=False)
plt.imshow(deconvolved, cmap='gray')

图像没有明显变化。

非常感谢您对此事的任何帮助！

---

编辑：

这是我从here获取的代码：

psf = np.ones((5, 5)) / 25
equ = convolve2d(equ, psf, 'same')
deconvolved, _ = restoration.unsupervised_wiener(equ, psf)
plt.imshow(deconvolved, cmap='gray')

这是输出：

Answer 1

去模糊图像（不幸的是）相当困难，原因是模糊去除了噪点，所以当你模糊它时，有几张（有噪点的）图像会产生相同的图像。这意味着当您对图像进行去模糊处理时，计算机没有简单的方法来“选择”哪些噪声图像。因此，去模糊通常会产生嘈杂的图像。

那么，您可能会问摄影师在现实中是如何做到这一点的。好吧，它们实际上并没有对图像进行去模糊，而是将它们锐化（略有不同）。锐化图像时，您会增加边界附近的对比度以强调它们（这就是为什么您有时会在过度锐化的图像的边界周围看到光晕）。

在你的情况下，你想去模糊它（并且没有卷积核可以让你这样做）。要以好的方式做到这一点，您首先需要知道是什么过程模糊了图像（也就是说，如果您不想在特殊软件上花费数千美元，或者没有数学或天文学硕士学位） .

如果你仍然想这样做，我建议搜索反卷积，如果你不知道模糊过程，盲目反卷积。 skimage 中有一些（粗略的）功能，可能会有所帮助（http://scikit-image.org/docs/stable/auto_examples/filters/plot_restoration.html#sphx-glr-auto-examples-filters-plot-restoration-py）。

最后，Jax Briggs 中的最后一个链接似乎很有帮助，但我不会为神奇的结果而祈祷。