简单图像解卷积问题

我正在研究一些非常简单的图像解卷积以进行概念验证。简单图像解卷积问题

目标是将图像与内核（我使用5 * 5高斯矩阵）进行卷积，然后将其解卷积在傅立叶域中。

通过对图像矩阵和滤波器内核进行FFT运算，将它们乘以，并对结果进行iFFT，我可以得到与滑动核卷积相同的结果。为了消除这种卷积，我应该能够将图像的FFT和滤波器的FFT分开。

但是，当我尝试实现这个时，我最终得到了一个非常奇怪的纹理事物。我知道我的方法是正确的，但我似乎无法找到我的代码中的错误，这使我疯了。

# blur image 
imblur = filters.convolve(im1, blurfilter) 

# compute fft of kernel with padding 
padfilfft = np.fft.fft2(blurfilter, s=im1.shape[:2], axes=(0,1))  

# take fft of image 
imfft = np.fft.fft2(imblur) 

# element division 
deconvolveimfft = np.divide(imfft, padfilfft) 
deconvolveim = np.abs(np.fft.ifft2(deconvolveimfft))

下面是使用输出plt.imshow（）：

typical, problematic output

这是原始图片。我读它使用misc.imread与扁平化： cheering

对于它的价值，blurfilter定义如下： blurfilter = (1./273.) * np.array([[1,4,7,4,1],[4,16,26,16,4],[7,26,41,26,7],[4,16,26,16,4],[1,4,7,4,1]])

来源

2015-03-19 ajdigregorio

滤波器的某些FFT结果是否会达到或接近零？当你试图按照他们划分时会发生什么？ – 2015-03-19 03:43:00

@MarkRansom绝对接近于零，但结果就是这样糟糕的图片。我使用'scipy.misc.bytescale（）'来确保最终的输出是正确的范围...没有它值更高。 – ajdigregorio 2015-03-19 03:47:47

@paintedcones - 我们可以访问原始图像吗？我想玩你的代码，看看发生了什么，但没有原始图像我不能这样做。 – rayryeng 2015-03-19 04:12:10

好了，我居然能弄明白。原来，这是我的内核的一个“问题”。我发现一般情况下，sigma> 1的高斯内核会产生这种奇怪的噪声问题。正如@MarkRansom在评论中指出的，过滤器的fft变得非常接近零。出于某种原因，当我们使用σ< 1的内核时，噪声放大要少得多。

来源

2015-03-23 20:34:35 ajdigregorio

简单图像解卷积问题

回答

相关问题