OpenCV实现失焦模糊图像恢复_opencv模糊图像变清晰

基本原理

图像退化模型在频率域的表示如下：

其中

S表示退化(模糊)图像频谱

H表示角点扩散功能(PSF)的频谱响应

U 表示原真实图像的频谱

N表示叠加的频谱噪声

圆形的PSF因为只有一个半径参数R，是一个非常好的失焦畸变近似，所以算法采用圆形的PSF。

模糊恢复，模板恢复本质是获得一个对原图的近似估算图像，在频率域可以表示如下：

其中SNR表示信噪比，因此可以基于维纳滤波恢复离焦图像，实现图像反模糊。这个过程最终重要的两个参数，分别是半径R与信噪比SNR，在反模糊图像时候，要先尝试调整R，然后再尝试调整SNR。

代码实现

计算PSF的代码如下：

void calcPSF(Mat& outputImg, Size filterSize, int R)
{
    Mat h(filterSize, CV_32F, Scalar(0));
    Point point(filterSize.width / 2, filterSize.height / 2);
    circle(h, point, R, 255, -1, 8);
    Scalar summa = sum(h);
    outputImg = h / summa[0];
}

生成维纳滤波的代码如下：

void calcWnrFilter(const Mat& input_h_PSF, Mat& output_G, double nsr)
{
    Mat h_PSF_shifted;
    fftshift(input_h_PSF, h_PSF_shifted);
    Mat planes[2] = { Mat_<float>(h_PSF_shifted.clone()), Mat::zeros(h_PSF_shifted.size(), CV_32F) };
    Mat complexI;
    merge(planes, 2, complexI);
    dft(complexI, complexI);
    split(complexI, planes);
    Mat denom;
    pow(abs(planes[0]), 2, denom);
    denom += nsr;
    divide(planes[0], denom, output_G);
}

实现反模糊的代码如下：

void filter2DFreq(const Mat& inputImg, Mat& outputImg, const Mat& H)
{
    Mat planes[2] = { Mat_<float>(inputImg.clone()), Mat::zeros(inputImg.size(), CV_32F) };
    Mat complexI;
    merge(planes, 2, complexI);
    dft(complexI, complexI, DFT_SCALE);
    Mat planesH[2] = { Mat_<float>(H.clone()), Mat::zeros(H.size(), CV_32F) };
    Mat complexH;
    merge(planesH, 2, complexH);
    Mat complexIH;
    mulSpectrums(complexI, complexH, complexIH, 0);
    idft(complexIH, complexIH);
    split(complexIH, planes);
    outputImg = planes[0];
}

调用步骤:

void adjust_filter(int, void*) {
    Mat imgOut;
 
    // 偶数处理，神级操作
    Rect roi = Rect(0, 0, src.cols & -2, src.rows & -2);
    printf("roi.x=%d, y=%d, w=%d, h=%d", roi.x, roi.y, roi.width, roi.height);
 
    // 生成PSF与维纳滤波器
    Mat Hw, h;
    calcPSF(h, roi.size(), adjust_r);
    calcWnrFilter(h, Hw, 1.0 / double(snr));
 
    // 反模糊
    filter2DFreq(src(roi), imgOut, Hw);
 
    // 归一化显示
    imgOut.convertTo(imgOut, CV_8U);
    normalize(imgOut, imgOut, 0, 255, NORM_MINMAX);
 
    imwrite("D:/deblur_result.jpg", imgOut);
    imshow("deblur_result", imgOut);
}

图像傅里叶变换

void fftshift(const Mat& inputImg, Mat& outputImg)
{
    outputImg = inputImg.clone();
    int cx = outputImg.cols / 2;
    int cy = outputImg.rows / 2;
    Mat q0(outputImg, Rect(0, 0, cx, cy));
    Mat q1(outputImg, Rect(cx, 0, cx, cy));
    Mat q2(outputImg, Rect(0, cy, cx, cy));
    Mat q3(outputImg, Rect(cx, cy, cx, cy));
    Mat tmp;
    q0.copyTo(tmp);
    q3.copyTo(q0);
    tmp.copyTo(q3);
    q1.copyTo(tmp);
    q2.copyTo(q1);
    tmp.copyTo(q2);
}

运行效果

原图: 肉眼无法辨识

R=10， SNR=40时候的运行效果：基本肉眼可以辨识！