ImageDeconvolve

ImageDeconvolve[image, ker]
使用核 ker 给出 image 的反卷积.

更多信息更多信息

  • 反卷积核可以是一个数值矩阵或一个图像,在任何维数上不能超过 image.
  • 核代表点扩散函数,它被假设为存在于图像中的模糊模型.
  • ImageDeconvolve[image, ker] 总是给出与 image 具有同样维数的 类型的图像.
  • ImageDeconvolve 分别作用于图像中的每个通道.
  • 反卷积核必须有单个通道或具有与 image 同样数目的彩色通道.
  • ImageDeconvolve 使用 Method 选项指定反卷积的方法. 默认设置为 Method->"DampedLS".
  • 指定频谱反卷积方法的可能设置为:
  • "DampedLS"阻尼最小二乘,广义 Tikhonov 正则化
    "Tikhonov"Tikhonov 正则化方法
    "TSVD"截断奇异值分解
    "Wiener"Wiener 反卷积
  • 对于频谱反卷积方法,正则化参数(regularization parameter) p 可以以设置 Method->{"method", p} 给出. 对于所有元素之和为1的非负的反卷积核,正则化参数一般在范围0到1之间.
  • 使用设置 Method->{"method", {p1, p2, ...}},每个颜色通道对应于分别的正则化参数.
  • Method 选项的以下设置指定迭代的反卷积方法:
  • "Hybrid"Tikhonov-Golub-Kahan 双对角正则化
    "RichardsonLucy"Richardson-Lucy 迭代反卷积
    "SteepestDescent"改进的残差范数最速下降
  • 方法总是返回非负的像素值.
  • 迭代反卷积方法一般比频谱方法提供更好的结果,但是计算更复杂. 默认情况下,使用迭代方法的预处理版. 可以通过设置 Method->{"method", "Preconditioned"-> False} 禁用预处理,它会导致更慢的收敛.
  • 经典的 Richardson-Lucy 反卷积方法不使用预处理.
  • ImageDeconvolve 也支持迭代 方法,其有效地执行迭代全变差正则化(total variation regularization)算法.
  • 以下子选项可用 Method->{"TotalVariation", subopt} 指定:
  • "NoiseModel""Gaussian"噪声模型
    "Regularization"Automatic正则化参数
  • 的可能设置为 .
  • 迭代反卷积方法中迭代最大数可以用 MaxIterations 选项控制. 默认设置为 MaxIterations->10.
  • ImageDeconvolve 接受 Padding 选项. 默认设置为 . 频谱反卷积方法不依赖于填充的选择.
  • 请注意 ImageDeconvolveImageConvolve 使用不同的 Padding 设置.
  • ImageDeconvolve 可用于 Image3D 对象.

范例范例打开所有单元关闭所有单元

基本范例 (3)基本范例 (3)

恢复一个模糊的图像:

In[1]:=
Click for copyable input
Out[1]=

去模糊一个视力检查表(Snellen chart):

In[1]:=
Click for copyable input
Out[1]=

点扩散函数可以以一个图像形式给出:

In[1]:=
Click for copyable input
Out[1]=
版本 8 的新功能 | 版本 9 修改功能
New to Mathematica? Find your learning path »
Have a question? Ask support »