图像运动模糊是现实中常见的问题,其产生的原因是图像获取过程中镜头与物体之间存在相对运动。图像去模糊的目的是从模糊图像中恢复出清晰图像。在图像盲去模糊中,模糊核估计的好坏直接影响着图像复原的效果。本文提出了一种基于稀疏先验和相对总变分的模糊核估计方法:用权值L0平滑方法自适应地提取图像主体结构,剔除图像噪声、细节和小尺度物体边缘等不利于模糊核估计的因素,采用一种近似求解方法求解L0问题;用相对总变分方法解决稀疏先验作为正则项估计复杂模糊核的不准确性,运用了迭代重赋权最小二乘法(IRLS)和数值分析进行求解,实验结果表明本文算法得到的模糊核具有良好的稀疏性和连续性。在图像非盲去模糊中,采用超拉普拉斯先验的正则化方法估计清晰图像。实验结果表明,本文的算法相对于现有的图像去模糊方法,所估计出的清晰图像具有较好的结构和较少的伪迹,图像复原效果较好。针对含有噪声的模糊图像,在超拉普拉斯先验图像非盲去模糊算法的基础上,引入字典以利用图像的局部信息并抑制噪声,同时超拉普拉斯先验克服了字典带来的块效应。实验结果表明无论是在主观视觉上还是客观评判标准上,结合字典的超拉普拉斯先验算法的效果更好。将图像盲去模糊的核心算法移植到C674x DSP上进行实现。首先将代码转换成标准C代码,然后对代码进行优化,包括软件流水优化、片内存储优化、编译器优化和算术运算优化等,最后在CCS集成开发环境下进行硬件仿真。实验表明:DSP平台能够快速地实现图像去模糊算法,得到较好的清晰图像。