添加运动（motion blur）与去运动模糊（ demotion blur）

图像运动模糊与去运动模糊的opencv实现，linux版本实现，含函数实现，测试代码，与测试demo，结果

/*--------------------------- motion blur and demotion blur --------------------------------*/
// 此代码用于实现模糊运动的添加与消除。
// 原理：在已知模糊运动核的前提下，可通过核线性卷积的形式对图像添加运动模糊，
//       反之也可利用该核精确的去除该运动模糊。
// 说明：本例代码是在梳理前人代码的基础上整理得到，仅使用了C++常用库与opencv2.4.5
//       AddMotionblur的createLinearFilter函数在opencv3+版本中已经去除，故而建议只用opencv2+
//       ker 核的大小不能过大，例如，以lena图为例，ker的len为20时，会导致无法复原。 
// Input: 
//      彩色三通道图像，在读取时转化为灰度图
// output:
//      添加运动模糊的单通道灰度图，或去除运动模糊后的单通道灰度图
// version: 1.0 
// date: 2018/6/6
// by xie qunyi
// 转载请注明：
/*------------------------------------------------------------------------------------------*/

#include 
#include 

using namespace std;
using namespace cv;

// Create an image of complex number type （2 channels to store 
// real part and imaginary part） from an input grayscale image
// src : single channel grayscale image input
// dst : two channel complex image output
void i2z（cv::Mat src cv::Mat& dst）
{
	//convert the image to float type create another one filled with zeros 
	//and make an array of these 2 images
	cv::Mat im_array[] = { cv::Mat_（src） cv::Mat::zeros（src.size（） CV_32F） };

	//combine as a 2 channel image to represent a complex number type image
	cv::Mat im_complex; cv::merge（im_array 2 im_complex）;

    //copy to destination
	im_complex.copyTo（dst）;
}

// convert a 2 channel complex image to a single channel grayscale image
// by getting magnitude
// src : two channel complex image input
// dst : single channel grayscale image output
void z2i（cv::Mat src cv::Mat& dst）
{
    //split the complex image to 2
	cv::Mat im_tmp[2]; cv::split（src im_tmp）;
    
    //get absolute value
	cv::Mat im_f; cv::magnitude（im_tmp[0] im_tmp[1] im_f）;
    
    //copy to destination
	im_f.copyTo（dst）;
}

// return complex image C = A./B
// if A = a+b*i and B = c+d*i;
// then C = A./B = （（a*c+b*d）/（c^2+d^2））+（（b*c-a*d）/（c^2+d^2））*i
cv::Mat complexDiv（const cv::Mat& A const cv::Mat& B）
{
    cv::Mat A_tmp[2]; cv::split（A A_tmp）;
    cv::Mat a b;
    A_tmp[0].copyTo（a）;
    A_tmp[1].copyTo（b）;
    
    cv::Mat B_tmp[2]; cv::split（B B_tmp）;
    cv::Mat c d;
    B_tmp[0].copyTo（c）;
    B_tmp[1].copyTo（d）;
    
    cv::Mat C_tmp[2];
    cv::Mat g = （c.mul（c）+d.mul（d））;
    C_tmp[0] = （a.mul（c）+b.mul（d））/g;
    C_tmp[1] = （b.mul（c）-a.mul（d））/g;
    
    cv::Mat C;
    cv::merge（C_tmp 2 C）;

    return C;
}

// add motion blur to the src image
// motion degree is depended on the kernel ker
// ker can be product by matlab func : fspecial
// matlab code : {LEN = 3; THETA = 0; ker = fspecial（‘motion‘ LEN THETA）;}
cv::Mat AddMotionblur（const cv::Mat& src const cv::Mat& ker）  
{   
    // convert to float data
    cv::Mat sample_float;
    src.convertTo（sample_float CV_32FC1）;
    
    // motion blur
    cv::Point anchor（0 0）;
    double delta = 0;
    cv::Mat dst = cv::Mat（sample_float.size（） sample_float.type（））;
    Ptr fe = cv::createLinearFilter（sample_float.type（） ker.typ

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-06-06 10:54  demotionblur\
     文件       61764  2018-06-06 10:54  demotionblur\blur.jpg
     文件         558  2018-06-06 10:54  demotionblur\CMakeLists.txt
     文件       72440  2018-06-06 10:54  demotionblur\deblur.jpg
     文件       45323  2018-06-06 10:54  demotionblur\lena.jpg
     文件        4966  2018-06-06 10:54  demotionblur\main.cpp