055、运动模糊图片如何复原？DeblurGAN 推理加速与退化模拟方案

055、运动模糊图片如何复原？DeblurGAN 推理加速与退化模拟方案

一、从一次车载摄像头调试说起

去年夏天，我在调试一款前装车载环视系统。客户反馈说，车辆在30km/h转弯时，侧视摄像头拍到的车牌全是拖影，根本无法识别。我盯着示波器上那堆模糊的像素，脑子里只有一个念头：这玩意儿要是能靠算法复原，我就不用换镜头模组了。

当时试了维纳滤波、Lucy-Richardson反卷积，效果惨不忍睹——运动模糊不是简单的点扩散函数卷积，它带有空间非均匀性，尤其是车辆转弯时，不同区域的模糊方向和长度都不一样。后来翻到DeblurGAN的论文，发现它用生成对抗网络直接学习模糊到清晰的映射，而且推理速度能跑到实时。这篇文章就记录我踩过的坑和最终落地方案。

二、运动模糊的退化模型——别被教科书骗了

教科书上写的运动模糊退化模型是：

g = f * h + n

其中h是点扩散函数，n是噪声。但实际场景里，这个模型至少有三个问题：

1. 空间非均匀性：摄像头在运动时，画面中心和外缘的模糊程度不同，尤其是广角镜头。我拿鱼眼镜头试过，边缘模糊长度是中心的3倍。
2. 非线性响应：CMOS传感器的光电转换不是线性的，暗部噪声和亮部噪声分布不同，简单加性噪声模型根本不准。
3. 模糊核未知：你永远不知道车辆是匀速还是变速