提升运动模糊图像角度精度：新方法利用暗条纹分析

本文主要探讨了一种改进的运动模糊图像参数精确估计方法，针对传统的通过运动模糊图像频谱图像中心亮条纹来获取模糊角度存在的问题，如角度检测精度不高和角度检测范围有限。模糊角度和模糊长度是运动模糊图像恢复中的关键参数，其准确估计对于后续的图像恢复至关重要。 作者首先分析了Radon变换的数学原理，这是一种在图像处理中常用的数学工具，用于求解二维函数的投影积分，特别是在图像重建和边缘检测领域。他们注意到，频谱图像中的中心亮条纹是由图像的点扩散函数（Point Spread Function, PSF）引起的，这种特性在计算模糊角度时产生了干扰。十字亮纹的出现源于运动模糊的方向，但它们会误导角度的精确测量。 为了克服这些挑战，作者提出了一种新的策略。首先，利用频谱图像的暗条纹而非亮条纹作为角度信息源。暗条纹通常与运动模糊的方向垂直，相对于亮条纹更稳定且不易受PSF影响。然后，通过二值化处理将暗条纹转换为更清晰的形态，接着进行骨架化变换，进一步减小暗条纹的宽度，这有助于减少噪声和不必要的细节干扰。最后，通过应用Radon变换，可以从这些简化后的暗条纹中准确地估计出模糊角度和模糊长度。 实验结果显示，这种方法有效地避免了频谱图像中十字亮线的干扰，显著提高了模糊角度的检测精度和稳定性，将检测误差控制在0.5°以内，检测范围扩大到0°至180°，明显优于传统的基于亮条纹的角度识别算法。这表明新方法在运动模糊图像参数估计上具有更高的准确性和适用性，对于实际的图像恢复和去模糊应用具有重要的理论和实践价值。 关键词：图像处理，运动模糊参数，点扩散函数，Radon变换，骨架化，图像退化。该研究不仅对运动模糊图像处理领域的技术发展做出了贡献，也为其他类似图像退化问题提供了新的解决方案。