一.图像去模糊的分类
1. 按照模糊核的性质来分类
(1) Blind image deconvolution（盲去卷积）
BID就是在模糊核未知的情况下恢复出清晰的图像。在这种情况下， 除了采集到的图像， 其他的没有任何任何信息。
(2) Non-blind image deconvolution（非盲去卷积）
NBID是在模糊核已知的情况下恢复出清晰的原始图像。 因为有了模糊核这个非常重要的信息， 去卷积的工作就相对来说容易多了，主要任务就是如何在保持细节的情况下抑制噪声。过去三四十年， 很多研究都集中在这个领域，也有了不少很实用的方法，比如维纳滤波， Richardson-Lucy方法。后来有些方法是基于去噪方法的，比如傅立叶，小波，Curvelet，和TV方法。 一般来说， NBID是BID的基础。 一旦模糊核估计出来，所有的NBID方法都可以在BID中使用。
2. 按照模糊的区域来分类
(1) 全局模糊
全局的模糊主要是由于拍摄设备的运动造成的。从实用性来说， 全局模糊要好于局部模糊。 理由有三： （1）全局模糊可以用一个模糊核来恢复， 因此最主要的任务就是PSF的估计，而局部模糊的模糊核是随位置变化的，难道要大很多，结果也就不稳定很多。（2）造成全局模糊的原因是手持拍摄设备在曝光时间比较长的情况下进行拍摄，在拍摄过程中经常能遇到。而局部模糊仅仅限于对运动物体的拍摄，比如运动的汽车或者行走中的人， 一般说来，拍摄这些场景的机会比较有限， 实用性也不大。（3）全局模糊在绝大部分情况下都是不期望的效果， 而局部模糊在很多时候是不需要去除的，甚至是刻意追求的一种效果。
(2) 局部模糊
局部模糊是由于单个物体的运动造成的。
3. 按照信息源来分类
(1) 单幅图像去模糊
单幅图像去模糊顾名思义，输入只有一幅图像，没有别的任何信息。这也是最常见的去模糊场景。
(2) 带辅助信息的图像去模糊
带辅助信息的图像去模糊除了有一幅待出来的图像以外, 还有其他的一些辅助信息用来估 算模糊核。这里的辅助信息包括: (1) 连续两帧图（2）一帧不模糊单噪声比较大的图像 （3）不同曝光时间的三幅或者n幅图像（4）一段低分辨率视频（5）对曝光时间的编码（6）对镜头的改造（7）。。。虽然每一个作者都强调这些辅助设备比较廉价，辅助信息比较容易获得。但对非专业的普通用户来说，要得到这些辅助信息是不大现实的。
二. 理解模糊核
参考博客：http://blog.csdn.net/xueruhongchen/article/details/52783119?locationNum=4
