lucyrichardson演算法

❶ 模糊圖像復原方法

圖像復原-模糊圖像處理解決方案
機器視覺智能檢測 2017-06-16
造成圖像模糊的原因有很多，且不同原因導致的模糊圖像需要不同的方法來進行處理。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。本文將從這三方面切入剖析。

智能化設備管理技術是利用系統管理平台軟體的設備管理服務，對所有的監控設備包括攝像機、雲台、編碼器和系統伺服器進行不間斷的實時監測，當發現故障時能及時通過各種方式告警，提示維護人員及時處置。一個系統可以按照網路拓撲結構部署多台設備管理伺服器，分區域對設備進行實時的巡檢，這樣可以大大提高系統的維護效率，盡可能做到在設備發生故障時，在不超過10分鍾的時間內被監測到並告警。

建設目標

本方案擬應用先進的機器學習和計算機視覺技術，模擬人類的視覺系統，針對某市公共安全圖像資源前端攝像頭出現的雪花、滾屏、模糊、偏色、畫面凍結、增益失衡和雲台失控等常見攝像頭故障以及惡意遮擋和破壞監控設備的不法行為做出准確判斷，並自動記錄所有的檢測結果，生成報表。以便用戶輕松維護市公共安全圖像資源系統。

技術路線

將視頻故障分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻雜訊、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控八種類型。其中視頻信號缺失、隨著「平安城市」的廣泛建設，各大城市已經建有大量的視頻監控系統，雖然監控系統己經廣泛地存在於銀行、商場、車站和交通路口等公共場所，但是在公安工作中，由於設備或者其他條件的限制，案情發生後的圖像回放都存在圖像不清晰，數據不完整的問題，無法為案件的及時偵破提供有效線索。經常出現嫌疑人面部特徵不清晰、難以辨認、嫌疑車輛車牌模糊無法辨認等問題，這給公安部門破案、法院的取證都帶來了極大的麻煩。隨著平安城市的推廣、各地各類監控系統建設的進一步推進，此類問題將會越來越凸顯。

模糊圖像產生的原因

造成圖像模糊的原因很多，聚焦不準、光學系統的像差、成像過程中的相對運動、大氣湍流效應、低光照、環境隨機雜訊等都會導致圖像模糊。另外圖像的編解碼、傳輸過程都可能導致圖像的進一步模糊。總體來說，造成圖像模糊的主要原因如下：

· 鏡頭聚焦不當、攝像機故障等;

· 傳輸太遠、視頻線老化、環境電磁干擾等;

· 攝像機護罩視窗或鏡頭受臟污、受遮擋等;

· 大霧、沙塵、雨雪等惡劣環境影響;

· 由視頻壓縮演算法和傳輸帶寬原因導致的模糊;

· 攝像機解析度低，欠采樣成像;

· 光學鏡頭的極限解析度和攝像機不匹配導致的模糊;

· 運動目標處於高速運動狀態導致的運動模糊等;

……

模糊圖像常用解決方案

對於模糊圖像處理技術，國內大學和科研機構在多年以前就在研究這些理論和應用，相關文獻也發布了不少，已經取得了一些很好的應用。美國 Cognitech軟體是相當成熟的一套模糊圖像恢復應用軟體，在美國FBI及其他執法機構中已有多年實際應用，其恢復出的圖像可以直接當作法庭證據使用，可見模糊圖像處理技術已經取得了相當的實際應用。

前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。

圖像增強

很多傳統圖像演算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態學、顏色處理等。就單個來講，這些演算法都比較成熟，相對簡單。但是對於一個具體的模糊圖像，往往需要上面的一種或者多種演算法組合，配合不同的參數才能達到理想的效果。這些演算法和參數的組合進一步發展成為具體的增強演算法，比如「圖像去霧」演算法、「圖像去噪」演算法、「圖像銳化」演算法、「圖像暗細節增強」演算法等等。這些演算法都不同程度提高了圖像清晰度，很大程度改善了圖像質量。

綜合使用形態學、圖像濾波和顏色處理等演算法可以實現圖像去霧的演算法，圖1是一個去霧演算法的實際使用效果，類似的圖像增強演算法還有很多，不再一一列舉。圖像復原

圖像復原與圖像增強技術一樣，也是一種改善圖像質量的技術。圖像復原是根據圖像退化的先驗知識建立一個退化模型，然後以此模型為基礎，採用各種逆退化處理方法逐步進行恢復，從而達到改善圖像質量的目的。

圖像復原和圖像增強是有區別的，兩者的目的都是為了改善圖像的質量。但圖像增強不考慮圖像是如何退化的，只有通過試探各種技術來增強圖像的視覺效果，而圖像復原就完全不同，需要知道圖像退化過程的先驗知識，據此找出一種相應的逆過程方法，從而得到復原的清晰圖像。圖像復原主要取決於對圖像退化過程的先驗知識所掌握的精確程度。

對由於離焦、運動、大氣湍流等原因引起的圖像模糊，圖像復原的方法效果較好，常用的演算法包括維納濾波演算法、小波演算法、基於訓練的方法等。圖3是使用維納濾波解決運動模糊圖像的例子，取得了很好的復原效果。在知道退化模型的情況下，相對圖像增強來說，圖像復原可以取得更好的效果。圖像超解析度重構

現有的監控系統主要目標為宏觀場景的監視，一個攝像機，覆蓋一個很大的范圍，導致畫面中目標太小，人眼很難直接辨認。這類由於欠采樣導致的模糊占很大比例，對於由欠采樣導致的模糊需要使用超解析度重構的方法。

超解析度復原是通過信號處理的方法，在提高圖像的解析度的同時改善採集圖像質量。其核心思想是通過對成像系統截止頻率之外的信號高頻成分估計來提高圖像的解析度。超解析度復原技術最初只對單幅圖像進行處理，這種方法由於可利用的信息只有單幅圖像，圖像復原效果有著固有的局限。序列圖像的超解析度復原技術旨在採用信號處理方法通過對序列低解析度退化圖像的處理來獲得一幅或者多幅高解析度復原圖像。由於序列圖像復原可利用幀間的額外信息，比單幅復原效果更好，是當前的研究熱點。

序列圖像的超解析度復原主要分為頻域法和空域法兩大類，頻域方法的優點是：理論簡單，運算復雜度低，缺點是：只局限於全局平移運動和線性空間不變降質模型，包含空域先驗知識的能力有限。空域方法所採用的觀測模型涉及全局和局部運動、空間可變模糊點擴散函數、非理想亞采樣等，而且具有很強的包含空域先驗約束的能力。常用的空域法有非均勻插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大後驗估計法（MAP）、最大似然估計法 （ML）、濾波器法等，其中，MAP和POCS二方法研究較多，發展空間很大。對於具體的演算法，不是本文的重點，這里不做詳細介紹。圖五是一個使用多幀低解析度圖像超解析度重構的例子。

模糊圖像處理技術的關鍵和不足

雖然很多模糊圖像的處理方法在實際應用中取得了很好的效果，但是當前仍然有一些因素制約著模糊圖像處理的進一步發展，主要如下。

演算法的高度針對性

絕大部分的模糊圖像處理演算法只適用於特定圖像，而演算法本身無法智能決定某個演算法模塊的開啟還是關閉。舉例來說，對於有霧的圖像，「去霧演算法」可以取得很好的處理效果，但是作用於正常圖像，反而導致圖像效果下降，「去霧演算法」模塊的打開或者關閉需要人工介入。

演算法參數復雜性

模糊圖像處理裡面所有的演算法都會包含大量的參數，這些參數的選擇需要和實際的圖像表現相結合，直接決定最終的處理效果。就目前的演算法，還沒有辦法智能地選擇哪些是最優的參數。

演算法流程的經驗性

由於實際圖像非常復雜，需要處理多種情況，這就需要一個演算法處理流程，對於一個具體的模糊視頻，採用什麼樣的處理流程很難做到自動選擇，需要人工選擇一個合適的方法，只能靠人的經驗。

結語

由於環境、線路、鏡頭、攝像機等影響，監控系統建成並運營一段時間後，都會出現一部分的視頻模糊不清的問題。

總體來說，雖然模糊圖像處理演算法已經取得了非常廣泛的應用，但是圖像演算法畢竟有局限性，不能將所有問題都寄希望於圖像演算法，對於不同種類的模糊問題，要區別對待。對於由鏡頭離焦、灰塵遮擋、線路老化、攝像機故障等造成的模糊或者圖像質量下降，在視頻診斷系統的幫助下，一定要及時維修，從源頭上解決問題。對於低光照等優先選擇日夜兩用型高感光度攝像機，對於雨霧、運動和欠采樣等造成的圖像質量下降，可以藉助於「視頻增強伺服器」包含的各種模糊圖像處理演算法來提升圖像質量。喜歡此內容的人還喜歡
17個教師常用網站推薦給你，再也不用到處找資源了
17個教師常用網站推薦給你，再也不用到處找資源了 ...
高校教師服務工作室
不喜歡
不看的原因
確定
內容質量低 不看此公眾號
什麼是水磨石？被設計師玩出新高度
什麼是水磨石？被設計師玩出新高度 ...
聯盟設計庫
不喜歡
不看的原因
確定
內容質量低 不看此公眾號

❷ matlab圖像復原維納濾波，最小二乘方,L-R，盲去卷積圖像復原比較的程序代碼

clc;clear all;
%讀原始圖像%
format long
Blurred=imread('fig525(b).bmp');
subplot(1,2,1);imshow( Blurred);title('原圖像');

%自編函數進行維納濾波%
k=0.0025;
[m,n]=size(Blurred);
spectrum=zeros(m,n);
H=zeros(m,n);
for u=1:m

for v=1:n

H(u,v)=exp(-k*((u-m/2)^2+(v-n/2)^2)^(5/6));

spectrum(u,v)=H(u,v)^2;

end
end

f=double(Blurred);
F1=fftshift(fft2(f));
HW=H./(spectrum+0.001);

restore1=HW.*F1;
restored=real(ifft2(ifftshift(restore1)));

subplot(1,2,2);imshow(restored,[]);title('自編函數進行維納濾波');

%調用matlab提供的維納濾波函數%
figure;
hw1=real(ifft2(ifftshift(H)));%轉化到空域上來
result1=deconvwnr(Blurred,hw1,0.001);
result2=ifftshift(result1);%再去圖像進行1，3象限對調，2與4象限對調
subplot(1,2,1);imshow(result2,[]);title('調用維納濾波函數');

❸ Lucy-Richardson濾波，如何用MATLAB實現啊

《MATLAB圖像濾波去噪分析及其應用》

11.1 Lee濾波
11.1.1 演算法原理
11.1.2 演算法模擬與MATLAB實現
11.2 Gabor濾波
11.2.1 演算法原理
11.2.2 演算法模擬與MATLAB實現
11.3 Wiener濾波
11.3.1 演算法原理
11.3.2 演算法模擬與MATLAB實現
11.4 Kuwahara濾波
11.4.1 演算法原理
11.4.2 演算法模擬與MATLAB實現
11.5 Beltrami流濾波
11.5.1 演算法原理
11.5.2 演算法模擬與MATLAB實現
11.6 Lucy-Richardson濾波
11.6.1 演算法原理
11.6.2 演算法模擬與MATLAB實現
11.7 Non-Local Means濾波
11.7.1 演算法原理
11.7.2 演算法模擬與MATLAB實現

❹ 求用matlab進行圖像去模糊的代碼

二乘方濾波演算法、

❺ 如何用matlab編程將運動模糊圖像用維納濾波法復原

PSF
=
fspecial('motion',len,ang);
%建立擴散子，其中len是模糊長度，ang是模糊角度
img2=deconvlucy(img,PSF,n);
%用lucy-richardson方法復原圖像，其中img是運動模糊圖像，PSF是擴散子，n是迭代次數，img2是復原圖像

❻ 基於matlab運動模糊圖像處理的源代碼

等一會的，我來幫你

華東師范大學？？？

tuxianghuanyuan('3.jpg', 80, 8, 0.02);

function tuxianghuanyuan(im, a, b, NSPR)

i = imread(im);

f = im2double(i);

PSF = fspecial('motion', a, b);

frest1 = deconvwnr(f, PSF, NSPR);

subplot(221),imshow(f); title('原圖像');

subplot(222),imshow(frest1); title('維納濾波處理後圖像');

end

❼ 如何用matlab編程將運動模糊圖像用維納濾波法復原

PSF = fspecial('motion',len,ang); %建立擴散子，其中len是模糊長度，ang是模糊角度 img2=deconvlucy(img,PSF,n); %用lucy-richardson方法復原圖像，其中img是運動模糊圖像，PSF是擴散子，n是迭代次數，img2是復原圖像

❽ MATLAB圖像濾波去噪分析及其應用

第11章 特殊濾波器設計與MATLAB實現
11.1 Lee濾波
11.1.1 演算法原理
11.1.2 演算法模擬與MATLAB實現
11.2 Gabor濾波
11.2.1 演算法原理
11.2.2 演算法模擬與MATLAB實現
11.3 Wiener濾波
11.3.1 演算法原理
11.3.2 演算法模擬與MATLAB實現
11.4 Kuwahara濾波
11.4.1 演算法原理
11.4.2 演算法模擬與MATLAB實現
11.5 Beltrami流濾波
11.5.1 演算法原理
11.5.2 演算法模擬與MATLAB實現
11.6 Lucy-Richardson濾波
11.6.1 演算法原理
11.6.2 演算法模擬與MATLAB實現
11.7 Non-Local Means濾波
11.7.1 演算法原理
11.7.2 演算法模擬與MATLAB實現

北航的書，《MATLAB圖像濾波去噪》，余勝威著

❾ MATLAB數字圖像處理的目錄

前言
第1章圖像處理與MATLAB2007a簡介
1.1概述
1.1.1MATLAB概述
1.1.2數字圖像處理技術的內容與發展現狀
1.2相關學科和領域
1.2.1數字信號處理學
1.2.2計算機圖形學
1.2.3計算機視覺
1.3MATLAB2007a的新功能
1.3.1MATLAB2007a的新特性
1.3.2Simulink6的新特性
1.4MATLAB2007a圖像處理
1.4.1MATLAB圖像處理應用舉例
1.4.2圖像處理基本操作
1.4.3圖像處理的高級應用
第2章圖像的編碼和解碼
2.1概述
2.1.1圖像壓縮編碼的必要性
2.1.2圖像壓縮編碼的可能性
2.1.3圖像壓縮編碼的評價准則
2.2統計編碼
2.2.1信息熵
2.2.2ShannonFano編碼
2.2.3哈夫曼編碼
2.2.4算術編碼
2.2.5行程編碼
2.3預測編碼
2.4圖像的變換編碼
2.5數據壓縮編碼的國際標准
2.5.1JPEG標准
2.5.2MPEG視頻編碼壓縮標准
2.6小結
習題
第3章圖像復原
3.1圖像復原的基本概念
3.2圖像退化模型
3.2.1連續的退化模型
3.2.2離散的退化模型
3.3非約束復原
3.3.1非約束復原的代數方法
3.3.2逆濾波復原法
3.4有約束復原
3.4.1最小二乘類約束復原
3.4.2維納濾波
3.4.3LucyRichardson濾波復原
3.4.4盲解卷積復原
3.5幾種其他圖像復原技術
3.5.1幾何畸變校正
3.5.2盲目圖像復原
3.6運動模糊圖像的復原
3.6.1模糊模型
3.6.2水平勻速直線運動引起模糊的復原
3.7小結
習題
第4章圖像處理的相關操作
4.1圖像類型轉換
4.2圖像數據結構
4.2.1圖像模式
4.2.2顏色空間
4.2.3數據存儲的數據結構
4.3線性系統和移不變系統
4.3.1線性系統
4.3.2移不變系統
4.4調用信號分析
4.4.1調諧信號
4.4.2對調諧信號的響應
4.4.3系統傳遞函數
4.5數字圖像的顯示特性
4.5.1圖像的屏幕顯示
4.5.2顯示特性
4.5.3數字圖像的暫時顯示
4.5.4數字圖像的永久顯示
4.6二維系統及矩陣運算
4.6.1二維線性系統
4.6.2二維位置不變線性系統
4.6.3二維系統的梯度運算元
4.6.4常用矩陣運算
4.7圖像的塊操作
4.7.1邊緣操作
4.7_2顯示塊操作
4.8特定區域處理
4.8.1特定區域
4.8.2特定區域濾波
4.8.3特定區域填充
4.9圖像質量評價
4.9.1圖像質量的客觀評價
4.9.2圖像質量的主觀評價
習題
第5章圖像頻域變換
5.1傅里葉變換
5.1.1傅里葉變換的基本概念
5.1.2離散傅里葉變換
5.1.3傅里葉變換的應用
5.2離散餘弦變換
5.2.1一維離散餘弦變換
5.2.2二維離散餘弦變換
5.2.3快速離散餘弦變換
5.2.4離散餘弦應用
5.3離散沃爾什-哈達瑪變換（DWT-DHT）
5.3.1一維離散沃爾什變換
5.3.2二維離散沃爾什變換
5.3.3一維離散哈達瑪變換
5.3.4二維離散哈達瑪變換
5.3.5離散沃爾什-哈達瑪變換的應用舉例
5.4K-L變換
5.4.1K-L變換的定義
5.4.2K-L變換的性質
5.5Radon變換
5.5.1Radon變換原理
5.5.2用Radon變換檢測直線
5.5.3逆Radon變換及其應用
5.6小波變換
5.6.1傳統變換方法的局限性
5.6.2小波變換的基本知識
5.6.3小波變換在圖像處理方面的應用及實現
5.7扇形光束投影
5.7.1投影變換的基本概念
5.7.2投影變換函數的應用
習題
第6章圖像處理中的代數運算及幾何變換
6.1基本運算類型
6.2點運算
6.2.1點運算的種類
6.2.2點運算與直方圖
6.2.3點運算的應用
6.3圖像的代數運算
6.3.1圖像代數的異常處理
6.3.2各種代數運算
6.4幾何變換基礎
6.4.1齊次坐標
6.4.2齊次坐標的一般表現形式及意義
6.4.3二維圖像幾何變換的矩陣
6.5各種幾何變換
6.5.1圖像平移變換
6.5.2圖像比例變換
6.5.3圖像旋轉變換
6.5.4圖像鏡像變換
6.5.5圖像剪切變換
6.5.6圖像復合變換
6.5.7透視投影
6.5.8平行投影
6.6灰度級插值
6.6.1最近鄰插值法
6.6.2雙線性插值法
6.6.3三次內插值法
6.6.4灰度級插值法的MATLAB實現
習題
第7章圖像增強
7.1灰度變換增強
7.1.1像素及其統計特性
7.1.2直接灰度變換
7.1.3直方圖灰度變換
7.1.4直方圖均衡化
7.1.5對比度自適應直方圖均衡化
7.1.6去相關拉伸
7.2空間域濾波
7.2.1基本原理
7.2.2平滑濾波
7.2_3銳化濾波
7.3頻域濾波增強
7.3.1低通濾波
7.3.2高通濾波
7.3.3帶通和帶阻濾波器
7.3.4頻域濾波的MATLAB實現
7.4同態增晰
7.5彩色圖像增強
7.5.1偽彩色增強
7.5.2假彩色增強
7.5.3真彩色增強
習題
第8章圖像分割與邊緣檢測
8.1灰度閾值法
8.1.1圖像分割基本原理
8.1.2灰度閾值法分割
8.2邊緣檢測
8.2.1微分運算元
8.2.2拉普拉斯高斯運算元（LOG）
8.2.3Canny運算元
8.3區域分割
8.3.1區域生長
8.3.2分裂合並
8.3.3水域分割
8.4邊界跟蹤與直線檢查
8.4.1基本原理
8.4.2直線提取演算法
8.5基於圖像分割的圖像分析
8.5.1通過圖像分割檢測細胞
8.5.2圖像粒度測定
8.6彩色圖像分割
8.6.1色彩空間
8.6.2彩色分割方法
習題
第9章小波分析及其在MATLAB中的應用
9.1小波變換基礎
9.1.1連續小波變換
9.1.2離散小波
9.1.3二進小波變換
9.1.4MATLAB中的小波函數工具箱
9.2小波分析在圖像增強中的應用
9.3基於小波的圖像降噪和壓縮
9.3.1小波的圖像壓縮技術
9.3.2小波的圖像降噪技術
9.4小波的融合技術
9.5小波包在圖像邊緣檢測中的應用
9.6小波包與圖像消噪
9.7小結
第10章圖像特徵的描述
10.1灰度描述
10.1.1幅度特徵
10.1.2直方圖特徵
10.1.3變換系數的特徵
10.2紋理分析
10.2.1紋理特徵
10.2.2統計法
10.2.3自相關函數法
10.2.4頻譜法
10.2.5紋理的句法結構分析法
10.2.6聯合概率矩陣法
10.3形狀描述
10.3.1鏈碼
10.3.2傅里葉描述子
10.3.3形狀特徵的描述
10.4區域描述
10.4.1幾何特徵
10.4.2不變矩
10.5形態分析
10.6區域、對象及特性度量
10.6.1連通區域標記
10.6.2選擇對象
10.6.3圖像面積
10.6.4歐拉數
10.6.5基於分水嶺的圖像分割示例
習題
第11章MATLAB圖像處理的應用
11.1MATLAB在遙感圖像處理中的應用
11.1.1遙感簡介
11.1.2利用MATLAB對遙感圖像進行直方圖匹配
11.1.3對遙感圖像進行濾波增強
11.1.4對遙感圖像進行融合
11.2MATLAB在醫學圖像處理中的應用
11.2.1醫學成像簡介
11.2.2醫學圖像的灰度變換
11.2.3基於高頻強調濾波和直方圖均衡化的醫學圖像增強
習題
附錄
附錄AMATLAB6.X圖像處理工具箱函數
附錄BMATLAB7.0圖像處理工具箱新增函數
參考文獻
……

❿ 動態模糊的去除效果

去動態模糊(motion deblurring)取決於點擴散函數(Point Spread Function)的確定。 模糊是與鄰近像素平均產生的結果，因此想恢復必須有足夠的鄰近像素的資訊。
圖6：相對於車輛的快速移動相機快門速度較慢，街道上的車流留下亮眼的光線。 1 天真法-快速傅立葉轉換去模糊法(FFT Deblurring)
快速傅立葉去模糊法是非常簡單的方法之一: 頻域的去模糊運算可表示為模糊影像的傅立葉轉換和點擴散函數的傅立葉轉換的乘積。
b(x) = psf(x) * o(x) + n(x)
B(k) = PSF(k)O(k) + N(k)
因此去模糊可以簡單地用點擴散函數傅立葉轉換的倒數MTF(k)來表示。
B / MTF = O + N / MTF 當符合下列兩條件時有很好的效果:
a)模糊影像沒有被雜訊。
b)MTF沒有零點(zeros)。
但實際上不管是否符合上述2條件，雜訊仍會被放大(看N/MTF那項)。
2 非遞回法-Wiener濾波器去模糊法(Wiener Filter Deblurring)
均方誤差(MSE)最佳化線性去模糊其他「非遞回式」方法，例如：調整濾波器(Regularized filter)，引入回復圖像的限制條件。 Wiener去模糊法與「非遞回式」方法有關。此方法可以解釋為：藉著找出與原圖有最小均方誤差的圖片為重建圖片。 Wiener濾波器的想法大致上用線性化方式解決了一般非線性最小化問題。對於雜訊為純高斯雜訊時，最小化問題是線性的。因此Wiener濾波器以均方誤差為此特例提供了最佳化解法。然而實際圖片大部分卻是Poissom雜訊，因此下一個方法被提出了。
圖7：夜間搭上在聖荷西國際機場上方剛起飛的飛機。城市燈光形成同心線條。
3 遞回法- Lucy-Richardson去模糊法(Lucy-Richardson Deblurring)
Lucy-Richardson、Regularized 和 Wiener去模糊法都是針對反折積運算下，因雜訊影響和混沌蝴蝶效應所造成影像錯誤，不同的是，Lucy-Richardson去模糊法是遞回式的。Lucy-Richardson利用條件機率的貝氏定理反復運算，並將去模糊處理前後的影像作比較，消除雜訊的部分，得到增強的結果。
兩個關鍵的理解帶出了最後的公式:
1)貝式公式中的機率可以用像素的亮度取代。
以下解釋可以更明白：光子在一訂時間內碰到感測像素的機率和像素的亮度成正比。
2)條件機率矩陣:p(bk | oj)是點擴散函數psfki。