点扩散函数(PSF)估计是一种重要的图像处理函数。如果我们想对模糊图像进行图像反卷积以使其清晰,则需要 PSF 估计。估计 PSF 的三种方法:
- 同时进行图像反卷积和 PSF 估计。
- 从一系列 PSF 候选中选择 PSF,然后执行反卷积。在对去模糊图像进行分析之后,选择最佳去模糊图像对应的PSF作为估计的PSF。
- 首先手动或自动选择图像特征(线或点),然后分析这些特征。根据这些特征和模糊程度之间的关系,估计 PSF。
这里我更喜欢使用第三种方法,基于边缘扩散函数估计PSF,这个方法的介绍可以看这里。然而,我对使用这种方法的观察是估计的 PSF 可能小于真实的 PSF。那么我的问题是,如果我使用低估的 PSF 进行图像反卷积,会发生什么。是否可以使用低估的 PSF 进行图像反卷积并获得不错但不完美的反卷积结果?这里我假设 PSF 是二维高斯类型。