@eigenchris в основном попал прямо в голову, но я хотел бы подробнее остановиться на том, почему мы считаем, что это плохая идея. Размытие изображения удаляет высокочастотный контент (т. е. края). Если вы попытаетесь применить фильтр верхних частот, такой как лапласиан, к результату нижних частот, вы, вероятно, вообще ничего не получите.
В частности, высокочастотные компоненты были удалены, когда вы размыли изображение по Гауссу, поэтому, если вы примените фильтр верхних частот к изображению с уже удаленными высокочастотными компонентами, вы, вероятно, получите почти нулевой результат.
Мораль этой истории заключается в том, что вы не можете повысить резкость уже размытого изображения, потому что оно опирается на высокочастотную информацию для облегчения повышения резкости. Вы по существу усиливаете высокочастотный контент, так что края выделяются больше, и, следовательно, это более резкий результат.
Одна вещь, которую я мог бы предложить, - это, возможно, изучить методы деконволюции, такие как фильтр Винера. Фильтр Винера, по сути, пытается отменить эффекты, выполняемые фильтром, примененным к изображению.
Один замечательный пример можно найти по этой ссылке MathWorks: http://www.mathworks.com/help/images/examples/deblurring-images-using-a-wiener-filter.html
Таким образом, размывайте изображение, чтобы устранить любой шум, затем обращайте размытие с помощью фильтрации Винера, чтобы вы могли получить нормальную версию оригинала, а затем повышайте резкость восстановленного изображения.
Удачи!
person
rayryeng
schedule
26.02.2015
