维纳滤波
逆滤波
用于不含噪声的图像去模糊
维纳滤波
用于含有噪声的图像去模糊 以及去噪
基本原理
在图像拍摄过程中由于各种原因会造成图像退化，图像退化模型如下：
其中，⋆ 为卷积符号，f ( x , y ) 为输入图像，g ( x , y ) 为退化图像，h ( x , y ) 为退化函数，η ( x , y ) 为加性噪声，将上式进行傅里叶变换有（根据傅里叶变换的特性，空间域中的卷积相当于频率域中的乘积）：
(1) 如果不考虑退化函数，图像退化模型就简化为图像噪声模型
图像增强问题成为单纯的图像去噪问题，可以通过空间域滤波等众多方法解决。
(2) 如果不考虑加性噪声，图像退化模型就简化为
这种问题可以通过逆滤波解决，即通过傅里叶变化以及阵列除法即可获得恢复后的图像频谱：
但是对于退化模型 H 如何获取呢？数字图像处理中有 观察估计法，试验估计法和建模估计。例如建模估中可以通过运动数学模型将退化函数构造为：
(3) 如果退化函数和加性噪声都考虑，空域滤波器无法解决图像退化问题，逆滤波效果因为噪声的存在会变得非常差，这个时候就需要用到维纳滤波，（维纳滤波的推导写在结论中）维纳滤波公式如下：
