造成圖像模糊的原因有很多，其中包括光學因素、大氣因素、人工因素、技術因素等等，日常生產生活中對圖像進行去模糊操作有其重要意義。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。從技術方面來向，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,圖像復原,圖像超解析度重構,模糊圖像處理的關鍵和不足,
圖像增強
增強圖象中的有用信息，它可以是一個失真的過程，其目的是要改善圖像的視覺效果，針對給定圖像的套用場合，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特徵，擴大圖像中不同物體特徵之間的差別，抑制不感興趣的特徵，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。
圖像增強可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基於二維傅立葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱噪聲。
圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特徵或者抑制(掩蓋)圖像中某些不需要的特徵，使圖像與視覺回響特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理後的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基於空域的算法和基於頻域的算法兩大類。基於空域的算法處理時直接對圖像灰度級做運算基於頻域的算法是在圖像的某種變換域內對圖像的變換係數值進行某種修正，是一種間接增強的算法。
基於空域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態範圍，擴展對比度。鄰域增強算法分為圖像平滑和銳化兩種。平滑一般用於消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在於突出物體的邊緣輪廓，便於目標識別。常用算法有梯度法、運算元、高通濾波、掩模匹配法、統計差值法等。
圖像復原
在圖像的獲取、傳輸以及保存過程中，由於各種因素，如大氣的湍流效應、攝像設備中光學系統的衍射、感測器特性的非線性、光學系統的像差、成像設備與物體之間的相對運動、感光膠捲的非線性及膠片顆粒噪聲以及電視攝像掃描的非線性等所引起的幾何失真，都難免會造成圖像的畸變和失真。通常，稱由於這些因素引起的質量下降為圖像退化。
圖像退化的典型表現是圖像出現模糊、失真，出現附加噪聲等。由於圖像的退化，在圖像接受端顯示的圖像已不再是傳輸的原始圖像，圖像效果明顯變差。為此，必須對退化的圖像進行處理，才能恢復出真實的原始圖像，這一過程就稱為圖像復原。
圖像復原技術是圖像處理領域中一類非常重要的處理技術，與圖像增強等其他基本圖像處理技術類似，也是以獲取視覺質量某種程度的改善為目的，所不同的是圖像復原過程實際上是一個估計過程，需要根據某些特定的圖像退化模型，對退化圖像進行復原。簡言之，圖像復原的處理過程就是對退化圖像品質的提升，並通過圖像品質的提升來達到圖像在視覺上的改善。
由於引起圖像退化的因素眾多，且性質各不相同，沒有統一的復原方法，眾多研究人員根據不同的套用物理環境，採用了不同的退化模型、處理技巧和估計準則，從而得到了不同的復原方法。
圖像復原算法是整個技術的核心部分。國內在這方面的研究才剛剛起步，而國外卻已經取得了較好的成果。早期的圖像復原是利用光學的方法對失真的觀測圖像進行校正，而數字圖像復原技術最早則是從對天文觀測圖像的後期處理中逐步發展起來的。其中一個成功例子是NASA的噴氣推進實驗室在1964年用計算機處理有關月球的照片。照片是在空間飛行器上用電視攝像機拍攝的，圖像的復原包括消除干擾和噪聲，校正幾何失真和對比度損失以及反卷積。另一個典型的例子是對甘迺迪遇刺事件現場照片的處理。由於事發突然，照片是在相機移動過程中拍攝的，圖像復原的主要目的就是消除移動造成的失真。
早期的復原方法有：非鄰域濾波法，鄰域濾波法以及效果較好的維納濾波和最小二乘濾波等。隨著數位訊號處理和圖像處理的發展，新的復原算法不斷出現，在套用中可以根據具體情況加以選擇。
國內外圖像復原技術的研究和套用主要集中於諸如空間探索、天文觀測、物質研究、遙感遙測、軍事科學、生物科學、醫學影象、交通監控、刑事偵察等領域。如生物方面，主要是用於生物活體細胞內部組織的三維再現和重構，通過復原螢光顯微鏡所採集的細胞內部逐層切片圖，來重現細胞內部構成；醫學方面，如對腫瘤周圍組織進行顯微觀察，以獲取腫瘤安全切緣與癌腫原發部位之間關係的定量數據；天文方面，如採用疊代盲反卷積進行氣動光學效應圖像復原研究等。
圖像超解析度重構
現有的監控系統主要目標為巨觀場景的監視，一個攝像機，覆蓋很大的一個範圍，導致畫面中目標太小，人眼很難直接辨認。這類由於欠採樣導致的模糊占很大比例，對於由欠採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,運算複雜度低，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理有限。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式、非理想亞採樣等,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、疊代反投影方法(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法研究較多，發展空間很大。
模糊圖像處理的關鍵和不足
由於實際圖像很複雜，需要處理多種情況，這就需要一個算法處理流程，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。
實踐和總結
由於環境、線路、鏡頭、攝像機等影響，監控系統建成運營一段時間後，都會出現一部分的視頻模糊不清的問題。
前面提到了針對模糊圖像的各種處理算法，雖然這些算法都取得了一些較好的處理效果，但是再好的算法都是一種後期的補救措施。如果能及時發現監控系統中圖像的各種問題，並及時維修，必然會起到事半功倍的效果。利用先進的視頻診斷技術，現已開發出適用於各種需求場景的視頻質量診斷系統。它能夠對視頻圖像出現的模糊、噪聲、亮度異常和視頻丟失等低質視頻以及常見攝像機故障問題進行診斷，有效預防因硬體問題導致的圖像質量低下所帶來的損失。從幾路視頻到幾百上千、上萬路視頻，均可高效的進行檢測，自動生成檢測報告，提供及時且精準的維護信息，第一時間從根源上解決圖像模糊的問題。
對於低光照、雨霧、運動和欠採樣等客觀原因造成的圖像模糊，只能依靠圖像處理算法。為此，東方網力推出了專門的“視頻增強伺服器”產品，包括了各種常用的視頻增強、圖像復原和超解析度重構算法。對於算法高度針對性的問題，可以靈活動態控制各個算法模組的開啟或者關閉;對於參數複雜性的問題，算法給出不同參數下處理結果的列表，然後通過人工方式選定最優參數，降低使用門檻;對於算法流程，對於常見的各種圖像缺陷，給出推薦的處理流程，方便使用。
總體來說，雖然模糊圖像處理算法已經取得了非常廣泛的套用，但是圖像算法畢竟有自己的局限性，我們不能將所有問題都寄希望於圖像算法，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、運動和前採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算法，提升圖像質量。
