图像复原是图像退化的逆过程,但是在已知退化模型的情况下,求解清晰图像仍具有不适定性。为了解决这个不适定问题,图像复原算法通常都需要比较大的计算量和比较长的运行时间,影响实际应用。因此,用FPGA和GPU对图像复原算法进行加速具有重要意义。本文对空间不变的运动模糊和空间变化的运动模糊分别进行了研究。对于空间不变的运动模糊,在Matlab中实现了定点化的Richardson-Lucy算法,根据定点化算法设计了硬件加速器,并在FPGA上进行了实现。对于空间变化的运动模糊,研究了PMRL算法,发现PMRL算法在复原含有噪声的图像时存在放大噪声的问题,结合噪声估计算法提出了噪声自适应PMRL算法。为了减少噪声自适应PMRL算法的运行时间,在分析算法的并行性后制定了 GPU加速方案,并用CUDA进行了实现。FPGA中的测试结果表明,Richardson-Lucy算法硬件加速器在处理64×64的图像时相对于CPU可以实现15.1倍的加速。图像数据集的测试结果表明,噪声自适应PMRL算法相对于PMRL算法在复原含有噪声的图像时可以降低29%的均方根误差。GPU中的测试结果表明,GPU中实现的噪声自适应PMRL算法在复原1024×1024的图像时相对于CPU可以实现27.7倍的加速。