随着移动互联网技术以及电子信息技术的迅猛发展,各种手持拍摄设备得到极大地普及,人们越来越倾向于采用视频来记录自己的日常生活信息。然而,手持设备在进行视频实时拍摄的过程中,往往由于摄像机受到的抖动以及被摄目标场景中人或者物体的运动等因素的影响,使得最终拍摄得到的视频出现运动模糊,严重地损失了视频图像的高频细节,极大地降低了视频图像的质量。针对上述视频图像的应用背景,本文提出了一种基于灰度分布特征与插值计算的运动视频去模糊算法以对运动模糊的视频图像进行恢复处理。针对现有特征描述方法的不足,本文提出的基于灰度分布的特征描述方法以视频图像的灰度分布为基础,选取以特征点为中心的圆形邻域窗口作为特征向量的求解范围,通过计算窗口内以特征点主方向为起始的8个等分扇形区域内各自的灰度均值作为该方向区域内特征向量对应的分量值,从而构成该特征点完整的特征向量以用于算法的后续匹配处理。最后,本文对所提出的特征描述方法进行了客观数据以及主观结果的对比和测试,实验结果表明本文特征能够保持较高的匹配精度,具有良好的旋转不变性,并且其处理性能相较传统的Hu矩特征及其改进特征更稳定,鲁棒性更强。为了对实际场景条件下拍摄得到的运动模糊视频进行恢复处理,本文提出一种改进的基于插值计算的运动视频去模糊算法,通过相邻两帧图像间共有区域范围内梯度二乘方和值的倒数形式来对两者之间相对模糊的程度进行度量,并在充分考虑待处理像素点时空邻域窗口范围内全部像素点的信息的基础上,采用经典的拉普拉斯算子在配准像素点邻域窗口范围内求解其对应的加权分量值,最后与以所在图像模糊程度相对度量的比值表示的权重值进行相乘以得到当前待处理像素点的像素替换值。实验结果表明,本文算法具有优异的运动去模糊性能,并且能够很好地保留图像的边缘信息。基于本文算法简单、高效的优点,并结合实际应用的需求,本文最后基于OpenCV平台完成了本文运动视频去模糊系统的设计,并达到了良好的运动去模糊效果。