【youcans 的 OpenCV 例程 200 篇】104. 运动模糊退化模型

5.3 模型法估计退化函数

估计图像复原中所用的退化函数，主要有三种方法：观察法、试验法和数学建模方法。

分析导致退化的原因，根据基本原理提出退化模型，如湍流导致的模糊、匀速运动导致的模糊，可以基于模型更加准确地估计退化函数。

下面以运动模糊和大气湍流模型为例，采用退化模型对图像的退化建模。

例程 9.18：运动模糊退化模型

运动模糊是相机，物体，背景间相对运动造成的效果，通常由于长时间曝光或场景内的物体快速移动导致，在摄影中可以借助移动镜头追踪移动的物体来避免。

对匀速线性运动模糊建模，假设图像 $f(x,y)$ 做平面运动，运动在 x、y 方向的时变分量分别为： $x_0(t)=at/T$、$y_0(t)=bt/T$。记录介质上任意点的总曝光量是瞬时曝光量的积分，可以建立运动模糊退化函数模型：
$$H(u,v)=\frac{T}{\pi (ua+vb)}sin[\pi (ua+vb)]e^{-j\pi (ua+vb)}$$

    # 9.18: 运动模糊退化图像 (Motion blur degradation)
    def motionBlur(image, degree=10, angle=45):
        image = np.array(image)
        center = (degree/2, degree/2)  # 旋转中心
        M = cv2.getRotationMatrix2D(center, angle, 1)  # 无损旋转
        kernel = np.diag(np.ones(degree) / degree)  # 运动模糊内核
        kernel = cv2.warpAffine(kernel, M, (degree, degree))

        blurred = cv2.filter2D(image, -1, kernel)  # 图像卷积
        blurredNorm = np.uint8(cv2.normalize(blurred, None, 0, 255, cv2.NORM_MINMAX))  # 归一化为 [0,255]
        return blurredNorm

    # 运动模糊图像
    img = cv2.imread("../images/Fig0526a.tif", 0)  # flags=0 读取为灰度图像

    imgBlur1 = motionBlur(img, degree=30, angle=45)
    imgBlur2 = motionBlur(img, degree=40, angle=45)
    imgBlur3 = motionBlur(img, degree=60, angle=45)

    plt.figure(figsize=(9, 6))
    plt.subplot(131), plt.title("degree=20"), plt.axis('off'), plt.imshow(imgBlur1, 'gray')
    plt.subplot(132), plt.title("degree=40"), plt.axis('off'), plt.imshow(imgBlur2, 'gray')
    plt.subplot(133), plt.title("degree=60"), plt.axis('off'), plt.imshow(imgBlur3, 'gray')
    plt.tight_layout()
    plt.show()

（本节完）

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/123027195)

Copyright 2022 youcans, XUPT
Crated：2022-2-15