振铃效应（Ringingeffect）是影响复原图像质量的众多因素之一，是由于在图像复原中选取了不适当的图像模型造成的，振铃效应产生的直接原因是图像退化过程中信息量的丢失，尤其是高频信息的丢失，其严重降低了复原图像的质量，并且使得难于对复原图像进行后续处理。

振铃效应是由于在图像复原中选取了不适当的图像模型造成的；在图像盲复原中如果点扩散函数选择不准确也是引起复原结果产生振铃效应的另一个原因，特别是选用的点扩散函数尺寸大于真实点扩散函数尺寸时，振铃现象更为明显；振铃效应产生的直接原因是图像退化过程中信息量的丢失，尤其是高频信息的丢失。

振铃效应对复原图像质量影响严重，众多学者对抑制振铃效应的方法进行了广泛研究，然而大多数图像复原方法在这一点上都有所不足，造成了复原过程中的振铃效应几乎不可避免，尤其对于有噪声存在的场合，它会混淆图像的高频特性，使得振铃效应带来的影响更加显著。

图1展示了在图像处理中，频率域下的理想低通滤波器在一定条件下将会导致图片出现振铃效应。由卷积定理可知，频率域下的理想低通滤波器H(u, v)必定存在一个空间域下与之对应的滤波函数h(x, y)，且可以通过对H(u,v)作傅里叶逆变换求得。产生振铃效应的原因就在于，理想低通滤波器在频率域下的分布十分线性（在D0处呈现出一条垂直的线，在其他频率处呈现出一条水平的线），那么不难想象出对应的h(x,y)将会有类似于sinc函数那样周期震荡的空间分布特性。正是由于理想低通滤波器的空间域表示有类似于sinc函数的形状，位于正中央的突起使得理想低通滤波器有模糊图像的功能，而外层的其他突起则导致理想低通

滤波器会产生振铃效应。

图像处理中，对一幅图像进行滤波处理，若选用的频域滤波器具有陡峭的变化，则会使滤波图像产生“振铃”，所谓“振铃”，就是指输出图像的灰度剧烈变化处产生的震荡，就好像钟被敲击后产生的空气震荡。如图2：