Wiener deconvolution

中的噪声分布有先验信息（例如知道信号中存在白噪声），对 f {\displaystyle f} 的估计就可以通过维纳反褶积（英语：Wiener_deconvolution）等方法提高。 在理想情况下（信噪比很高时），反褶积就是反滤波。原始反褶积可以在拉普拉斯域进行：计算观测数据 h {\displaystyle

T. "Intro to Signal Processing - Deconvolution". University of Maryland at College Park. Retrieved 2007-08-15. Wiener, N. (1964). Extrapolation, Interpolation

中的運動模糊甚至不會注意到。而電腦產生的影像在時間上很分明，沒有動態模糊使流暢度降低，因此看起來不夠真實。 有時候可用反捲積（反摺積）（deconvolution）從圖片中移除動態模糊。 這些城市燈光是固定的而相機的方向在曝光期間改變。虛線是由於相機來回移動造成的每盞燈的個別軌跡。