python+opencv图像模糊去除

import math

import cv2

import matplotlib.pyplot as plt

import numpy as np

 

# 模糊核生成

def get_motion_dsf(image_size, motion_dis, motion_angle):

    PSF = np.zeros(image_size)  # 点扩散函数

    x_center = (image_size[0] - 1) / 2

    y_center = (image_size[1] - 1) / 2

    sin_val = math.sin(motion_angle * math.pi / 180)

    cos_val = math.cos(motion_angle * math.pi / 180)

    # 将对应角度上motion_dis个点置成1

    for i in range(motion_dis):

        x_offset = round(sin_val * i)

        y_offset = round(cos_val * i)

        PSF[int(x_center - x_offset), int(y_center + y_offset)] = 1

    return np.fft.fft2(PSF / PSF.sum())

# 维纳滤波

def wiener(f, PSF,K=0.01):  # 维纳滤波，K=0.01

    input_fft = np.fft.fft2(f)

    PSF_fft_1 = np.conj(PSF) / (np.abs(PSF) ** 2 + K)

    result = np.fft.ifftshift(np.fft.ifft2(input_fft * PSF_fft_1))

    return result.real

 

def show(f, s, a, b, c):

    plt.subplot(a, b, c)

    plt.imshow(f, "gray")

    plt.axis('on')

    plt.title(s)

 

def main():

    f = plt.imread("D:\\Project\\CarDT_Data\\new\\1.jpg")

    f = cv2.cvtColor(f, cv2.COLOR_RGB2GRAY)

    # 生成倒谱图

    ft = np.fft.fft2(f)

    ift = np.fft.fftshift(np.abs(np.fft.fft2(np.log(ft + 1e-3))))

    logF = np.log(ift + 1e-3)

    plt.figure()

    show(f, "original", 1, 2, 1)

    show(logF, "cepstrum", 1, 2, 2)

    plt.show()

    line = cv2.HoughLinesP(ift.astype(np.uint8), 1, np.pi / 180, 20, 0, 25, 0)

    l = []

    for i in range(len(line)):

        r = np.power((line[i][0][2] - line[i][0][0]) ** 2 + (line[i][0][3] - line[i][0][1]) ** 2, 0.5)

        theta = math.atan2(line[i][0][3] - line[i][0][1], line[i][0][2] - line[i][0][0]) / math.pi * 180.

        if 20 < r < 50 and 30 < theta < 60:

            l.append((r, -theta))

    # 使用局部光滑区域拉普拉斯变换确定最优运动模糊核长度和角度

    vars = []

    kernel = np.array([0, -1, 0, -1, 4, -1, 0, -1, 0]).reshape(3, 3)

    for k in l:

        r, theta = k

        PSF = get_motion_dsf(f.shape, int(r), int(theta))

        rf = wiener(f, PSF)

        temp = rf[425:450, 325:350]

        for i in range(1, temp.shape[0] - 1):

            for j in range(1, temp.shape[1] - 1):

                temp[i, j] = np.abs(np.sum(temp[i - 1:i + 2, j - 1:j + 2] * kernel))

        vars.append(np.sum(temp))

    r, theta = l[vars.index(min(vars))]

    print(r)

    print(theta)

    PSF = get_motion_dsf(f.shape, int(r), int(theta))

    plt.figure()

    show(f, "f", 1, 2, 1)

    show(wiener(f, PSF), "restoreImage", 1, 2, 2)

    plt.show()

 

if __name__ == '__main__':

    main()