opencv - OpenCV-反卷积中的边界伪像

Question

我是OpenCV的新用户，正在从事大学项目。程序会获取输入图像，对其进行综合模糊处理，然后对其进行模糊处理。当对合成模糊图像进行反卷积时，会生成边界伪像，因为...好吧，到目前为止，我还没有实现边界条件。这是一些示例:您可以看到输入的模糊图像，综合模糊的图像以及最终得到的输出:

http://answers.opencv.org/upfiles/13953138566866107.png

根据我从中编写代码的论文，边界条件必须通过以下方式实现:通过将输入图像填充点扩展函数宽度并创建一个掩码来指示哪些像素来自捕获区域还是来自边界区域，从而实现边界条件。

抱歉，我的问题可能很愚蠢，但:

1. 如何计算点扩展函数宽度？到目前为止，我使用的是一个简单的3x3框模糊内核，内部有1 / 9s。宽度是3吗？

2. 如果点扩展函数的宽度为3，我是否必须通过在四个侧面上添加三个像素来填充输入图像，还是必须通过“覆盖”周围的“暗框”来填充输入图像？从模糊的过程？据我了解，那些“暗框”区域包含原始未模糊图像的平均值，因此无法在这些区域进行去卷积来重建起始图像，这只会生成并传播伪像。

我要说的是:我是否必须在输入图像的所有四个侧面上都添加额外的像素，还是必须“覆盖”“暗框”，其宽度与点扩散函数相同，据我了解？

http://answers.opencv.org/upfiles/13953135698274495.png

3. 我是否必须填充未模糊的输入图像或合成模糊的图像？

预先感谢您的帮助!

Answer 1

我已经测试了源代码(我已经适应了opencv)，并且效果很好。

您的问题的答案:

1.在这种情况下，内核大小为3。

2.在您的链接上的源中将卷积应用于图像区域
每侧减少一半的内核。

图像大小等于您的源图像(所有绿色和蓝色区域)。

但是您的工作区域小于整个图像，并标记为绿色。

相对于源图像减少了一半的内核大小(蓝色边框)。

3.No，你还没有。

看来您的appled框过滤器的内核大小大于3。

这是我的结果:

图像模糊(盒式过滤器3x3):

图像去模糊:

您可以在此处下载我的源代码:https://www.dropbox.com/s/u11qo8o3q1a8j5f/stochastic_deconvolution_opencv.zip

使用大内核时，您会在高频(硬边)上得到ringing。

可以通过增加正则化系数来减少它(它将在图像上添加一些“扁平”)。

这是我从初始来源得到的内核结果:

图像模糊:

图像去模糊:

尝试输入图片参数:

const double reg_weight     = 0.0002;   // regularizer weight
const double sigma          = 9.0;      // mutation standard deviation
const double reset_prob     = 0.005f;   // russian roulette chain reset probability
const int    num_iterations = 400;      // number of 'iterations', mostly for output
double ed                   = 0.025;     // starting deposition energy

对于PSF:

const int    psf_cnt = 9;
const double psf_v[] = { 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0, 1.0/9.0 };
const int    psf_x[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };
const int    psf_y[] = { -4, -3, -2, -1, 0, 1, 2, 3, 4 };

我在下面发布了结果: