7. out_of_focus_deblur_filter.cpp使用维纳滤波器来恢复失焦的图像

代码的主要功能是通过使用维纳滤波器来恢复失焦的图像，它读取一个灰度图像文件，对其进行滤波操作，并将结果保存为新文件。这个过程包括计算点扩散函数(PSF)，执行FFT变换，应用滤波器，然后完成逆FFT变换。这些步骤都在main函数中进行，并在帮助函数中分别解决。

/**
* @brief 你将了解如何通过维纳滤波器恢复失焦的图像
* @author Karpushin Vladislav, karpushin@ngs.ru, https://github.com/VladKarpushin
*/
// 导入所需的库和模块
#include <iostream>
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"// 声明使用的命名空间
using namespace cv;
using namespace std;// 声明函数原型
void help();
void calcPSF(Mat& outputImg, Size filterSize, int R);
void fftshift(const Mat& inputImg, Mat& outputImg);
void filter2DFreq(const Mat& inputImg, Mat& outputImg, const Mat& H);
void calcWnrFilter(const Mat& input_h_PSF, Mat& output_G, double nsr);// 定义命令行参数
const String keys =
"{help h usage ? |             | print this message   }"
"{image          |original.jpg | input image name     }"
"{R              |5           | radius               }"
"{SNR            |100         | signal to noise ratio}"
;int main(int argc, char *argv[])
{help();    //调用帮助函数CommandLineParser parser(argc, argv, keys);  //创建命令行参数解析器if (parser.has("help"))    //如果含有"help"参数{parser.printMessage();    //打印消息return 0;    //返回0，结束程序}int R = parser.get<int>("R");  //获取参数R的值int snr = parser.get<int>("SNR");   //获取参数SNR的值string strInFileName = parser.get<String>("image");    //获取参数image的值samples::addSamplesDataSearchSubDirectory("doc/tutorials/imgproc/out_of_focus_deblur_filter/images");    //添加样本数据搜索子目录if (!parser.check())   //如果参数解析器检查失败{parser.printErrors();   //打印错误return 0;   //返回0，结束程序}Mat imgIn;imgIn = imread(samples::findFile( strInFileName ), IMREAD_GRAYSCALE);   //以灰度模式读取图片文件if (imgIn.empty())  //检查是否图片已成功加载{cout << "ERROR : Image cannot be loaded..!!" << endl;   //输出错误消息return -1;}Mat imgOut;  //创建输出图像//只处理偶数大小的图像Rect roi = Rect(0, 0, imgIn.cols & -2, imgIn.rows & -2);//开始计算HwMat Hw, h;calcPSF(h, roi.size(), R);  //计算点扩散函数calcWnrFilter(h, Hw, 1.0 / double(snr));   //计算维纳滤波器//结束计算Hw//开始滤波处理filter2DFreq(imgIn(roi), imgOut, Hw);//结束滤波处理imgOut.convertTo(imgOut, CV_8U);   //将输出图像转换为8位无符号整形normalize(imgOut, imgOut, 0, 255, NORM_MINMAX);   //将输出图像正规化到0-255imshow("Original", imgIn);   //显示原始图像imshow("Debluring", imgOut);  //显示滤波后的图像imwrite("result.jpg", imgOut);   //将滤波后的图像写入文件waitKey(0); //等待窗口关闭return 0;
}// 显示帮助信息的函数
void help()
{cout << "2018-07-12" << endl;cout << "DeBlur_v8" << endl;cout << "You will learn how to recover an out-of-focus image by Wiener filter" << endl;
}//! [calcPSF]
// 计算PSF的函数
void calcPSF(Mat& outputImg, Size filterSize, int R)
{Mat h(filterSize, CV_32F, Scalar(0)); // 创建一个滤波器大小的黑色图像Point point(filterSize.width / 2, filterSize.height / 2); // 圆心位于图像中心circle(h, point, R, 255, -1, 8); // 画一个填充圆，半径为RScalar summa = sum(h); // 计算圆内的像素和，为了进行归一化outputImg = h / summa[0]; // 归一化，使得PSF的总和为1
}
//! [calcPSF]//! [fftshift]
// 在数学上进行fftshift操作的函数 该函数实现对图像的快速傅里叶变换后的频率平面进行移位，将直流分量移至频率平面的中心。
//! [fftshift]
void fftshift(const Mat& inputImg, Mat& outputImg)
{outputImg = inputImg.clone(); //克隆输入图像int cx = outputImg.cols / 2;  //计算图像中心点的x坐标int cy = outputImg.rows / 2;  //计算图像中心点的y坐标Mat q0(outputImg, Rect(0, 0, cx, cy));    //创建四个子图像矩阵，分别表示图像的四个象限q0, q1, q2, q3Mat q1(outputImg, Rect(cx, 0, cx, cy));Mat q2(outputImg, Rect(0, cy, cx, cy));Mat q3(outputImg, Rect(cx, cy, cx, cy));Mat tmp;    //创建临时Mat变量//进行频率域的中心变换q0.copyTo(tmp); q3.copyTo(q0);tmp.copyTo(q3);q1.copyTo(tmp);q2.copyTo(q1);tmp.copyTo(q2);
}
//! [fftshift]//! [filter2DFreq]
// 实现2D频域滤波的函数 该函数实现了频率域滤波，先将图像和滤波器都变换到频率域，然后进行频谱相乘，最后反变换回空间域。
//! [filter2DFreq]
void filter2DFreq(const Mat& inputImg, Mat& outputImg, const Mat& H)
{Mat planes[2] = { Mat_<float>(inputImg.clone()), Mat::zeros(inputImg.size(), CV_32F) };Mat complexI;merge(planes, 2, complexI);  //将图像与频率平面合并成复数形式dft(complexI, complexI, DFT_SCALE);   //对复数形式的图像进行离散傅里叶变换Mat planesH[2] = { Mat_<float>(H.clone()), Mat::zeros(H.size(), CV_32F) };Mat complexH;merge(planesH, 2, complexH);  //同样将h与频率平面合并成复数形式Mat complexIH;   mulSpectrums(complexI, complexH, complexIH, 0);  //将两个频谱相乘idft(complexIH, complexIH);  //进行逆傅里叶变换split(complexIH, planes);  //拆分出图像部分和频率部分outputImg = planes[0];  //提取图像部分
}
//! [filter2DFreq]//! [calcWnrFilter]
// 计算维纳滤波器的函数
//函数实现了维纳滤波器在频率域的计算过程，确定了对模糊图像进行复原的滤波器。
//! [calcWnrFilter]
void calcWnrFilter(const Mat& input_h_PSF, Mat& output_G, double nsr)
{Mat h_PSF_shifted;fftshift(input_h_PSF, h_PSF_shifted);  //将PSF进行中心化Mat planes[2] = { Mat_<float>(h_PSF_shifted.clone()), Mat::zeros(h_PSF_shifted.size(), CV_32F) };Mat complexI;merge(planes, 2, complexI);  //形成复数图像 dft(complexI, complexI);   //进行傅里叶变换split(complexI, planes);  //进行图像分离，分别是实部和虚部Mat denom;pow(abs(planes[0]), 2, denom);  //求模之后取平方denom += nsr;  //加上噪声功率divide(planes[0], denom, output_G);  //复原图像与噪声功率的比值即为维纳滤波器的频响
}
//! [calcWnrFilter]