算法与计算机科学yuzhikov.com
失焦与模糊图像的复原技术
Restoration of defocused and blurred images
2012 — 2015，它一次次回到首页
黑点是上首页（≥ 50 分）的那次投稿，空心点是没冲上去的投稿，点越大分数越高。
导读
这篇文章以失焦模糊为主，讲解如何通过参数化反卷积（估计模糊核的半径、平滑程度等）来恢复模糊照片，并用文字、照片示例展示效果与局限。作者也是 SmartDeblur 的开发者，文中还提到后续第二部分讨论实践问题。
为什么经久不衰：它把影视里“无限放大增强”的幻想拆成可理解的数学步骤和可调参数，同时不回避噪声、振铃等限制，所以多年后仍是图像去卷积的实用入门。
HN 评论精选
指出该工具适用于可参数化的简单模糊核，复杂模糊需盲反卷积。
这个工具像是 Focus Magic 的开源（也更快）替代品：它允许用户做参数化反卷积。也就是说，如果模糊核可以近似为一条线或一个实心圆，并且你愿意调整模糊核的尺寸和角度，它就能较好地恢复照片。若真实模糊核更复杂——比如波浪线——你可能需要盲反卷积工具，而它（还？）不是。
teuobk查看英文原文
This tool appears to be an open-source (and faster) replacement for Focus Magic, in that it allows the user to perform parameterized deconvolution. By that I mean: if the blur kernel can be approximated by either a line or a filled circle, and you're willing to tweak the dimensions and angles of the blur kernel, this can do a decent job of recovering your photo. If the true blur kernel is more complicated -- perhaps a wavy line -- then you probably need a blind deconvolution tool, which this is not (yet?). If you're interested in blind deconvolution in general, Dr. Levin of MIT put together a nice overview paper a few years ago: http://www.wisdom.weizmann.ac.il/~levina/papers/deconvLevinEtalCVPR09.pdf (Disclaimer: I'm the developer of Blurity, a blind deconvolution product)
技术批评：振铃明显，建议用超拉普拉斯先验等方法改善。
反卷积后的图像有明显振铃。如果在像素梯度上加入更真实的先验，结果可能会更干净。例如可参考 Fast image deconvolution using hyper-laplacian priors（作者页面有 Matlab 代码和 GPU 实现）。
iskander查看英文原文
The deconvolved images have some pretty nasty ringing. If you use an algorithm which places a realistic prior on the pixel gradients you will probably get cleaner results. For example, check out: Fast image deconvolution using hyper-laplacian priors (http://cs.nyu.edu/~dilip/research/fast-deconvolution/). edit: I changed the link to the author's page, which has Matlab code and a GPU implementation.
澄清适用范围：失焦模糊与合焦细节放大不是同一问题。
注意：这适用于失焦照片，而不适用于放大合焦照片中的微小细节。它们看起来可能同样模糊，但数学上非常不同。
BurningFrog查看英文原文
Note that this works for out of focus photos, not for enlarging tiny details of in focus photos. They may look similarly blurry, but are mathematically very different.
作者现身补充：提供第二部分实践问题与 SmartDeblur。
我是这篇文章（以及 SmartDeblur）的作者，谢谢发布！也可以看第二部分，讲实践问题和解决方法；有问题欢迎问我。
YUVladimir查看英文原文
I'm author of this article (and SmartDeblur http://smartdeblur.net/), thank you for posting! Also, you can look at the second part that describes practical issues and their solutions: http://yuzhikov.com/articles/BlurredImagesRestoration2.htm And if you have any qustions, feel free to ask me.
历次讨论
同类还值得读
位运算技巧集
Bit Twiddling Hacks
斯坦福页面上的经典位运算技巧合集，收录了 popcount、前导/尾随零、位反转、交换、舍入等大量技巧，并附有解释和性能讨论。
算法与计算机科学上首页 8 次 · 2011–2024graphics.stanford.edu编辑精选如何不按平均评分排序
How Not To Sort By Average Rating
经典文章解释了为什么按平均评分排序不可靠：只有少量评价的条目（比如仅一条五星）会轻易排到最前，而评价数量的差异被忽略。
算法与计算机科学上首页 7 次 · 2009–2024evanmiller.org编辑精选数据结构可视化
Data Structure Visualizations
旧金山大学 David Galles 教授制作的数据结构与算法交互式可视化网站，涵盖 B 树、红黑树、排序、图算法等，可逐步操作观察其运行过程。
算法与计算机科学上首页 6 次 · 2011–2021cs.usfca.edu编辑精选1996 年以来的计算机科学最佳论文奖
Best Paper Awards in Computer Science since 1996
Jeff Huang 维护的一个汇总页面，收录了自 1996 年以来计算机科学各主要会议的“最佳论文奖”获奖名单，并按年份和会议整理，方便读者一站式浏览历届获奖论文。
算法与计算机科学上首页 6 次 · 2010–2018jeffhuang.com编辑精选算法（Jeff Erickson）
Algorithms, by Jeff Erickson
伊利诺伊大学 Jeff Erickson 教授的算法课教材，免费在线开放。
算法与计算机科学上首页 5 次 · 2018–2022jeffe.cs.illinois.edu编辑精选