如果你有一个“黑盒”过滤器，你可以通过提供一组合成图像来获得更多关于它的知识，然后检查以下一些变化：

• 空间域
• 频域
• 梯度域和边缘
• 直方图
• 响应曲线
• 像素间差异

如果您知道滤波器使用卷积，那么盲反卷积方法可能会有所帮助。

• 如果您的过滤器是线性的，这应该很容易。您有一个参数未知的线性模型（如果您的支持是 3x3，则为 9，如果支持为 4x4，则为 16，等等......）。你有很多限制 - 原始图像和结果图像。您可以使用线性最小二乘法。如果您可以生成任何输入，那就更容易了。回想一下，线性时不变系统完全取决于它对增量脉冲的响应，这是它的内核。

• 如果您的过滤器不是线性的（如 Paul 所说），您几乎无法找到它，除非使用您的常识，或者尝试根据您的输入和输出优化另一个模型。图像处理逻辑可能是非常非线性的，包括临时解决方案，所以对我来说看起来很难。

如果滤波器是线性的，那么您可以使用此处讨论的 2D 反卷积方法 。问题是相同的，并且具有相同的原始条件：卷积的结果，以及卷积中使用的图像之一。
您拥有原始图像以及将其与过滤器进行卷积的结果，因此反卷积应该会返回过滤器内核。

如果过滤器不是线性的，那么我认为没有任何简单直接的方法来重建它。我认为您必须为其提供各种图像并对这些结果进行反卷积，以尝试将过滤器在哪些条件下的作用归零 - 混乱、手动、容易出错。