 |
ImageDeconvolve[image, ker]
使用核 ker 给出 image 的反卷积.
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 
和 
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 
、
或 
.- 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 ImageDeconvolve 和 ImageConvolve 使用不同的 Padding 设置.
- ImageDeconvolve 可用于 Image3D 对象.
版本 8 的新功能 | 版本 9 修改功能
