用 OpenCV 去卷积？

Question

有没有办法用 OpenCV 进行反卷积？

这里显示的改进给我留下了深刻的印象

并且想将此功能也添加到我的软件中。

编辑（赏金的其他信息。）

我还没有弄清楚如何实现反卷积。 这段代码可以帮助我锐化图像，但我认为反卷积可以做得更好。

void ImageProcessing::sharpen(QImage & img)
{
    IplImage* cvimg = createGreyFromQImage( img );
    if ( !cvimg ) return;

    IplImage* gsimg = cvCloneImage(cvimg );
    IplImage* dimg = cvCreateImage( cvGetSize(cvimg), IPL_DEPTH_8U, 1 );
    IplImage* outgreen = cvCreateImage( cvGetSize(cvimg), IPL_DEPTH_8U, 3 );
    IplImage* zeroChan = cvCreateImage( cvGetSize(cvimg), IPL_DEPTH_8U, 1 );
    cvZero(zeroChan);

    cv::Mat smat( gsimg, false );
    cv::Mat dmat( dimg, false );

    cv::GaussianBlur(smat, dmat, cv::Size(0, 0), 3);
    cv::addWeighted(smat, 1.5, dmat, -0.5 ,0, dmat);
    cvMerge( zeroChan, dimg, zeroChan, NULL, outgreen);

    img = IplImage2QImage( outgreen );
    cvReleaseImage( &gsimg );
    cvReleaseImage( &cvimg );
    cvReleaseImage( &dimg );
    cvReleaseImage( &outgreen );
    cvReleaseImage( &zeroChan );
}

希望得到有用的提示！

Answer 1

当然，您可以使用 OpenCV 编写反卷积代码。但是还没有准备好使用的函数（还）。

要开始使用，您可以查看this Example，它显示了使用 OpenCV 在 Python 中实现 Wiener Deconvolution。

这里是 another Example 使用 C，但这是从 2012 年开始的，所以可能已经过时了。

Answer 2

最近邻去卷积是一种技术，通常用于光学显微镜中 Z 平面中的一堆图像。这篇评论论文：让-巴蒂斯特·西巴里塔。 Deconvolution Microscopy。 Adv Biochem Engin/Biotechnol (2005) 95: 201–243 涵盖了很多使用的技术，包括您感兴趣的技术。这也是一个很好的介绍：http://blogs.fe.up.pt/BioinformaticsTools/microscopy/

这个 numpy+scipy python 示例展示了它是如何工作的：

from pylab import *
import numpy
import scipy.ndimage

width = 100
height = 100
depth = 10
imgs = zeros((height, width, depth))

# prepare test input, a stack of images which is zero except for a point which has been blurred by a 3D gaussian
#sigma = 3
#imgs[height/2,width/2,depth/2] = 1
#imgs = scipy.ndimage.filters.gaussian_filter(imgs, sigma)

# read real input from stack of images img_0000.png, img_0001.png, ... (total number = depth)
# these must have the same dimensions equal to width x height above
# if imread reads them as having more than one channel, they need to be converted to one channel
for k in range(depth):
    imgs[:,:,k] = scipy.ndimage.imread( "img_%04d.png" % (k) )

# prepare output array, top and bottom image in stack don't get filtered
out_imgs = zeros_like(imgs)
out_imgs[:,:,0] = imgs[:,:,0]
out_imgs[:,:,-1] = imgs[:,:,-1]

# apply nearest neighbor deconvolution
alpha = 0.4 # adjustabe parameter, strength of filter
sigma_estimate = 3 # estimate, just happens to be same as the actual

for k in range(1, depth-1):
    # subtract blurred neighboring planes in the stack from current plane
    # doesn't have to be gaussian, any other kind of blur may be used: this should approximate PSF
    out_imgs[:,:,k] = (1+alpha) * imgs[:,:,k]  \
        - (alpha/2) * scipy.ndimage.filters.gaussian_filter(imgs[:,:,k-1], sigma_estimate) \
        - (alpha/2) * scipy.ndimage.filters.gaussian_filter(imgs[:,:,k+1], sigma_estimate)

# show result, original on left, filtered on right
compare_img = copy(out_imgs[:,:,depth/2])
compare_img[:,:width/2] = imgs[:,:width/2,depth/2]
imshow(compare_img)
show()

Answer 3

您提供的示例图像实际上是 Lucy-Richardson 反卷积的一个很好的示例。 OpenCV 库中没有针对这种反卷积方法的内置函数。在 Matlab 中，您可以使用带有“deconvlucy.m”函数的反卷积。实际上，您可以通过键入“open”或“edit”来查看Matlab中某些函数的源代码。 下面，我尝试在 OpenCV 中简化 Matlab 代码。

// Lucy-Richardson Deconvolution Function
// input-1 img: NxM matrix image
// input-2 num_iterations: number of iterations
// input-3 sigma: sigma of point spread function (PSF)
// output result: deconvolution result

// Window size of PSF
int winSize = 10 * sigmaG + 1 ;

// Initializations
Mat Y = img.clone();
Mat J1 = img.clone();
Mat J2 = img.clone();
Mat wI = img.clone(); 
Mat imR = img.clone();  
Mat reBlurred = img.clone();    

Mat T1, T2, tmpMat1, tmpMat2;
T1 = Mat(img.rows,img.cols, CV_64F, 0.0);
T2 = Mat(img.rows,img.cols, CV_64F, 0.0);

// Lucy-Rich. Deconvolution CORE

double lambda = 0;
for(int j = 0; j < num_iterations; j++) 
{       
    if (j>1) {
        // calculation of lambda
        multiply(T1, T2, tmpMat1);
        multiply(T2, T2, tmpMat2);
        lambda=sum(tmpMat1)[0] / (sum( tmpMat2)[0]+EPSILON);
        // calculation of lambda
    }

    Y = J1 + lambda * (J1-J2);
    Y.setTo(0, Y < 0);

    // 1)
    GaussianBlur( Y, reBlurred, Size(winSize,winSize), sigmaG, sigmaG );//applying Gaussian filter 
    reBlurred.setTo(EPSILON , reBlurred <= 0); 

    // 2)
    divide(wI, reBlurred, imR);
    imR = imR + EPSILON;

    // 3)
    GaussianBlur( imR, imR, Size(winSize,winSize), sigmaG, sigmaG );//applying Gaussian filter 

    // 4)
    J2 = J1.clone();
    multiply(Y, imR, J1);

    T2 = T1.clone();
    T1 = J1 - Y;
}

// output
result = J1.clone();

以下是一些示例和结果。

Example results with Lucy-Richardson deconvolution

访问我的博客Here，您可以在其中访问整个代码。

Answer 4

我不确定你是否理解什么是反卷积。反卷积背后的想法是从图像中移除检测器响应。这在天文学中很常见。

例如，如果您将 CCD 安装到望远镜上，那么您拍摄的任何图像都是您在天空中看到的东西和光学系统响应的卷积。望远镜（或相机镜头或其他任何东西）将具有一些点扩散功能（PSF）。也就是说，如果你看一个很远的点源，比如一颗星星，当你拍摄它的图像时，星星会模糊几个像素。这种模糊——点扩散——是你想要去除的。如果您非常了解光学系统的点扩散函数，那么您可以从图像中对 PSF 进行反卷积，从而获得更清晰的图像。

除非您碰巧知道光学器件的 PSF（测量起来很重要！），否则您应该寻找其他选项来锐化图像。我怀疑 OpenCV 是否内置了 Richardson-Lucy 算法。