运动模糊图像复原opencv

### 使用 OpenCV 进行运动模糊图像复原

#### 方法概述
运动模糊是指由于物体快速移动或相机抖动造成的图像模糊现象。为了恢复原始清晰的图像，可以采用基于逆滤波、维纳滤波等方法来尝试去除这种线性空间不变系统的卷积效应。

#### 维纳滤波实现过程
对于已知点扩散函数(Point Spread Function, PSF)，即造成模糊的原因模式，在频域内应用维纳滤波器能够有效地估计未受干扰前的真实场景[^1]。该算法通过最小化均方误差准则构建最优解，从而达到较好的去噪效果并抑制噪声放大问题。

import numpy as np
import cv2


def wiener_filter(img, kernel, K=0.05):
    dummy = np.copy(img)
    kernel /= np.sum(kernel)

    # Fourier Transform of the input image and the kernel
    dummy_fft = np.fft.fft2(dummy)
    kernel_fft = np.fft.fft2(kernel, s=dummy.shape)
    
    # Wiener filter formula implementation
    kernel_conj = np.conjugate(kernel_fft)
    denominator = (np.abs(kernel_fft)**2)+K
    
    result_fft = ((kernel_conj * dummy_fft)/denominator).real
    result = np.fft.ifft2(result_fft)
    
    return np.abs(np.fft.ifftshift(result))

# Example usage with a simple motion blur simulation
if __name__ == "__main__":
    img = cv2.imread('motion_blurred_image.png', 0)  # Read grayscale image
    psf = np.ones((7, 7)) / 49                      # Define point spread function for simulating motion blur
    restored_img = wiener_filter(img, psf)          # Apply Wiener filtering to restore the original image
    cv2.imwrite("restored_image.png", restored_img.astype(np.uint8))

此段代码展示了如何利用Python中的`numpy`库来进行傅里叶变换以及计算Wiener滤波器所需的各项参数，并最终调用OpenCV保存处理后的图片文件。