一、基本原理介绍
我们看到的图像$g(x,y)$可由如下公式进行描述，其中$h(x,y)$为系统函数，$f(x,y)$为没有接收任何干扰的原图像，$\eta (x,y)$为噪声。比如$h(x,y)$可以为大气断流、运动函数等；$\eta (x,y)$可以为高斯噪声、椒盐噪声等。现在我们希望根据$g(x,y)$还原$f(x,y)$图像。
二、逆滤波原理
逆滤波基本公式如下：
带入$G(u,v)$后展开如下：
缺点：当$H(u,v)$很小的时候，逆滤波反而会增加图像噪声。
解决方法：限制滤波的频率，使其接近原点值。
三、最小均方差滤波（维纳滤波）
由于逆滤波自身固有的缺点，不便于使用，提出这种更优的方法
维纳滤波基本公式如下：
其中：$S_n(u,v)$是噪声功率谱，$S_f(u,v)$是原图像功率谱。
但是由于未退化图像的功率谱很少是已经知道的，所以一般令$S_n(u,v) / S_f(u,v)) = k$，通过调整K值，寻找最好的滤波效果。
公式推导原理：不会，下一个
