Список использованных источников
Основы цифровой обработки изображений: учеб. пособие / Жаринов О.О. ГУАП. СПб, 2023. 122 с.
Обработка изображений с помощью библиотеки Python Pillow // URL: https://habr.com/ru/articles/681248/
Документация skimage.filters (на англ. яз.) // URL: https://scikitimage.org/docs/stable/api/skimage.filters.html
Intro to OpenCV for Image Processing with Python // URL: https://qviper.github.io/2022/09/24/intro-to-opencv-for-image-processing-python/
2D Convolution ( Image Filtering ) // URL: https://docs.opencv.org/4.x/d4/d13/tutorial_py_filtering.html
OpenCV. Motion Blur in Python // URL: https://www.geeksforgeeks.org/opencv-motion-blur-inpython/?ysclid=m7bpfcphlf778877094
How to add motion blur to numpy array URL: https://stackoverflow.com/questions/40305933/how-to-add-motionblur-to-numpy-array
How to restore fuzzy license plate -Wiener deconvolution filtering algorithm // URL: https://programmersought.com/article/5388602923/
Жаринов О.О. Учебно-методические материалы к выполнению лабораторной работы №7 по дисциплине “Мультимедиа-технологии “, гр.4116, 4117, 4018. ГУАП, 2025. – 21 с. (Интернет-ресурс) // URL: https://pro.guap.ru/inside/student/tasks/e4715578ed7486d8d1746488fafcaeed/download
Приложение а
Листинг 4 – Программа для размытия изображения
import cv2
from skimage import restoration
import numpy as np
import matplotlib.pyplot as plt
# функция, создающая смаз:
# size - размер размаза в пикселях,
# angle - направление смаза, в градусах
def blur_mask(size, angle):
k = np.zeros((size, size), dtype=np.float32)
k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)
k = cv2.warpAffine(k,
cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),
angle, 1.0),
(size, size))
k = k/np.sum(k) # нормировка
return k
input_image = cv2.imread('input_image.jpg')
# нормировка данных изображения и перевод во float:
input_image = input_image.astype(np.float32)/255.
# задаем искажающую маску в виде матрицы:
PSF_blur = blur_mask(size=35, angle=35)
print(PSF_blur) # посмотрим на искажающую маску
# и размажем ею изображение:
blur_image = cv2.filter2D(input_image, -1, PSF_blur)
# Визуализация искаженного смазом изображения:
plt.figure()
plt.imshow(cv2.cvtColor(blur_image, cv2.COLOR_BGR2RGB))
plt.title('Смазанное изображение')
plt.axis('off')
plt.tight_layout()
plt.show()
cv2.imwrite(
"blur_image.jpg",
cv2.normalize(
(blur_image * 255).astype("uint8"), None, 0, 255, cv2.NORM_MINMAX
),
)
Листинг 5 – Восстановление методом инверсной Винеровской фильтрации
import cv2
import numpy as np
import matplotlib.pyplot as plt
from skimage import restoration
def blur_mask(size, angle):
k = np.zeros((size, size), dtype=np.float32)
k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)
k = cv2.warpAffine(k,
cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),
angle, 1.0),
(size, size))
k = k/np.sum(k) # нормировка
return k
PSF_blur = blur_mask(size=15, angle=0)
blur_image = cv2.imread('blur_image.png').astype(np.float32)/255.
# Двумерная инверсная винеровская фильтрация
noise_var = 0.15 # подбор уровня шума
image_deblur = blur_image.copy()
# Обработка по трем цветовым каналам раздельно:
for i in range(3):
image_deblur[:, :, i] = restoration.wiener(
blur_image[:, :, i], PSF_blur, noise_var)
# ограничение и денормировка:
image_deblur = np.clip(image_deblur, 0., 1.)
image_deblur = (image_deblur*255.).astype(np.uint8)
# Визуализация восстановленного изображения:
plt.figure()
plt.imshow(cv2.cvtColor(image_deblur, cv2.COLOR_BGR2RGB))
plt.title('Восстановленное изображение')
plt.axis('off')
plt.tight_layout()
plt.show()
cv2.imwrite("wiener_deblur.jpg", image_deblur)
Листинг 6 – Восстановление алгоритмом Ричардсона-Люси
import cv2
import numpy as np
import matplotlib.pyplot as plt
from skimage import restoration
def blur_mask(size, angle):
k = np.zeros((size, size), dtype=np.float32)
k[(size-1) // 2, :] = np.ones(size, dtype=np.float32)
k = cv2.warpAffine(k,
cv2.getRotationMatrix2D((size/2-0.5, size/2-0.5),
angle, 1.0),
(size, size))
k = k/np.sum(k)
return k
PSF_blur = blur_mask(size=15, angle=0)
blur_image = cv2.imread('blur_image.png').astype(np.float32)/255.
its = 20
image_deblur = blur_image.copy()
# Обработка по трем цветовым каналам раздельно:
for i in range(3):
image_deblur[:, :, i] = restoration.richardson_lucy(blur_image[:, :, i],
PSF_blur, num_iter=its)
# ограничение и денормировка:
image_deblur = np.clip(image_deblur, 0., 1.)
image_deblur = (image_deblur*255.).astype(np.uint8)
# Визуализация восстановленного изображения:
plt.figure()
plt.imshow(cv2.cvtColor(image_deblur, cv2.COLOR_BGR2RGB))
plt.title('Восстановленное изображение')
plt.axis('off')
plt.show()
cv2.imwrite(f"2lucy_deblur{its}.jpg", image_deblur)
