您所描述的是调用deconvolution。这是一个经常用于失真图像和通信均衡的概念。因此，您应该能够为您的特定应用程序找到许多资源。通常，原始图像可能无法完全恢复（通常不是）。

但是，您可以做得很好，具体取决于图像被过滤的严重程度。此外，许多方法将通过估计信号受到影响的滤波器来尝试反卷积。如果信号与线性滤波器卷积的假设很差，那么您的性能可能会受到严重抑制。

在这种特殊情况下，这将非常困难。该滤波器是具有 30 dB 衰减（大部分）的低通滤波器，但它在单位圆上也有两个零。您可以为逆滤波器设计一个近似值，但它并不完美

1. 滤波器是线性相位，所以逆滤波器也是线性相位但非因果。在实践中，这意味着您会在边缘周围丢失一些像素
2. 您无法恢复单位圆上零点所在频率附近的任何内容。这将需要无限增益
3. 您将需要在相当大的频率范围内应用相当数量的提升（30dB 到 40dB），这会给画面添加一些意想不到的噪音

考虑滤波器的频率响应。如果源图像包含光谱正好在滤波器中陷波频率的数据，则该数据将在卷积后丢失。没有运营商可以从过滤成一堆零的图像中合理地恢复非零数据。

还可能存在算术量化问题，从而使滤波器卷积可能在信息上造成损失。这两种效果可以结合起来，使滤波器响应曲线中的低点也有损耗。