数字图像处理 基于Numpy、PyTorch在频率空间中建模运动模糊

一、简述

        运动模糊在图像中很常见，它会降低图像的价值，因为它会破坏图像中包含的数据。在计算机视觉中，通常通过使用许多不同的模糊增强来训练神经网络以适应这种模糊。建模模糊或图像退化的概念来自图像恢复，这是逆转退化影响的过程，以便人类或算法可以辨别原始捕获的数据。

​        传统上，对退化函数H进行建模是图像恢复过程的重要组成部分。我们还对随图像中 ( x,y ) 位置变化的噪声值 η(x,y) 进行建模。在这里，我们将仅关注通过运动模糊降级对H进行建模的情况。

二、运动模糊模型

        我们假设在图像采集过程中，捕获的图像由于世界和传感器之间的一些线性运动而变得模糊。我们还假设完美的成像过程和瞬时快门打开/关闭时间。