如果您有模糊和未模糊的图像，我想您要问的是如何恢复点扩散函数（PSF）。

在没有噪声的情况下，这在理论上是可以通过考虑频域中的操作来实现的。模糊是由未模糊图像与高斯核的卷积引入的。在傅里叶空间中，卷积是通过将图像与内核相乘来应用的，因此如果您有两个操作数（源和结果），则应该可以通过各自傅里叶变换的除法来恢复模糊内核。

当 PSF 未知或者是散焦和运动模糊的混合（例如盲反卷积、维纳滤波器等）时，这实际上是一些反卷积操作尝试执行的操作。

因此，在频域中，模糊可以表示为

G(u,v) = H(u,v)F(u,v) + N(u,v)

哪里G是模糊图像的傅里叶变换，H是模糊函数，F是源图像，N是加性噪声。假设噪声可以忽略不计（在大多数现实世界的情况下是不现实的），模糊核可以通过计算来恢复

H(u,v) = G(u,v) / F(u,v)

然后进行傅里叶逆变换H得到PSF作为强度图像。由此你可以测量半径。