安防領域的這些特殊應用要求都會導致圖像清晰度的下降，反過來又對圖像清晰度有很高的要求，勢必會導致模糊圖像處理技術在這里有廣闊的應用前景。

模糊圖像處理技術的局限性

目前受硬件技術水平、傳輸帶寬以及應用環境等因素影響，圖像模糊問題還無法得到徹底解決。

圖像從采集、傳輸、存儲到顯示，任何一個環節對圖像質量都很關鍵，任何一個步驟出問題都會影響圖像質量，而且這種影響是不可逆的。所以說，徹底解決圖像模糊問題，需要一個全方位的技術更新。比如，在當前的數字圖像技術的背景下，編碼技術是影響圖像質量的瓶頸之一，如果出現一種壓縮比高、圖像損失小的編碼算法，當然會一定程度解決因為壓縮導致的圖像模糊問題，不過要實現這種算法效果，通常需要更高的運算代價，所以還需要硬件技術的更新來滿足這樣的算法。

類似超分辨重構的模糊圖像處理技術，由于其算法的復雜性，目前的常規設備還很難做到實時處理高清圖像，所以算法的效率仍是目前模糊圖像處理不足的原因之一，這就需要從算法和硬件兩方面入手，提高算法效率，同時也需要提升硬件性能。

另外，目前各種針對模糊圖像處理的算法，都是基于某種特定場景應用而產生的解決方法，各種算法存在的局部性和局限性都造成了算法應用的障礙。所以在未來的很多年，關于圖像處理的算法和模型也還有很長的路要走。

發展趨勢及展望

廣義上說，獲取不到足夠信息的圖像都可以叫做模糊圖像，所以圖像模糊問題會隨著人們需求的提升而有新的表現。比如目前的監控領域也許只需要一幅有一定分辨率的圖像能滿足人臉識別的需求即可，隨著社會的發展也許我們需要通過一段視頻來分析某人的嘴部動作，從而分析他在說什么，這樣的話會需要更高分辨率更清晰的圖像。這將是一個永恒不變的追求方向，所以模糊圖像處理的問題將會被一直研究下去。

視頻監控作為物聯網的一部分，隨著物聯網的不斷發展和應用，最終將會朝著智能化的方向發展，圖像模糊的自動分析即成為系統自檢應用的技術之一，通過智能分析，系統將會自動識別圖像的幾何形狀、色彩、噪聲、模糊、融合，以及超分辨等圖像效果進行自動分析和處理。隨著模糊圖像處理技術的應用范圍越來越廣泛，模糊圖像處理技術和智能分析的完美結合必然成為發展趨勢。