Richardson-Lucy 反卷积能否用于恢复潜在内核？答案

【问题标题】：Would Richardson–Lucy deconvolution work for recovering the latent kernel?Richardson-Lucy 反卷积能否用于恢复潜在内核？
【发布时间】：2014-03-12 20:08:43
【问题描述】：

我知道 Richardson-Lucy 反卷积是用于恢复潜在图像，但假设我们有一个嘈杂的图像和原始图像。我们能找到导致转换的内核吗？

下面是Richardson-Lucy deconvolution 的 MATLAB 代码，我想知道它是否易于修改并使其恢复内核而不是潜在的图像。我的想法是我们将卷积选项更改为valid，因此输出将代表内核，您怎么看？

function latent_est = RL_deconvolution(observed, psf, iterations)
    % to utilise the conv2 function we must make sure the inputs are double
    observed = double(observed);
    psf      = double(psf);
    % initial estimate is arbitrary - uniform 50% grey works fine
    latent_est = 0.5*ones(size(observed));
    % create an inverse psf
    psf_hat = psf(end:-1:1,end:-1:1);
    % iterate towards ML estimate for the latent image
    for i= 1:iterations
        est_conv      = conv2(latent_est,psf,'same');
        relative_blur = observed./est_conv;
        error_est     = conv2(relative_blur,psf_hat,'same'); 
        latent_est    = latent_est.* error_est;
    end

提前致谢。

【问题讨论】：

嗨，issamou，我正在研究一个与 Matlab 非常相似的问题。终于奏效了吗？非常感谢。
嗨@theholy，是的，我在这里使用stackoverflow.com/questions/19150516/… 的解决方案进行反卷积（或提取内核）
非常感谢伙计！我去看看

标签： matlab kernel neural-network fft convolution

【解决方案1】：

这是一个非常简单的问题。卷积是可交换的。因此，您无需更改 RL 反卷积的实现即可获得 PSF，您可以简单地调用如下：

psf = RL_deconvolution(observed, latent_est, iterations)

【讨论】：