Pada penelitian ini diajukan metode image deblurring berbasis kerangka kerja Maximum a Posteriori (MAP) dengan mengintegrasikan Local Binary Pattern (LBP) sebagai fungsi regularisasi. LBP, sebagai deskriptor tekstur, dimanfaatkan untuk meningkatkan akurasi estimasi kernel blur, khususnya pada citra dengan degradasi blur yang kompleks dan beragam. Metode three-segment prior dijadikan baseline, sementara pendekatan yang diajukan bertujuan untuk memperkuat kemampuan estimasi kernel dengan menambahkan regularisasi LBP dalam kerangka MAP. Hasil eksperimen menunjukkan implementasi metode yang diajukan dalam skema multi-scale meningkatkan performa deblurring pada dataset Köhler, dengan nilai PSNR sebesar 19.58 dB dan SSIM sebesar 0.733. Pada dataset Levin, pendekatan multi-scale yang diajukan menghasilkan performa yang mendekati metode baseline, sementara implementasi single-scale dari metode ini menunjukkan penurunan performa yang signifikan. Evaluasi visual menunjukkan bahwa integrasi LBP dalam skema multi-scale dapat menghasilkan citra yang lebih halus pada area tepi objek. Namun demikian, observasi lebih lanjut mengindikasikan bahwa metode yang diajukan menghasilkan efek over-smoothing pada beberapa citra, terutama pada dataset Köhler, sehingga beberapa detail tekstur hilang meskipun nilai metrik evaluasi lebih tinggi dibandingkan baseline. Temuan ini mengindikasikan perlunya menyeimbangkan struktur dan tekstur objek pada citra dalam proses restorasi. Penelitian selanjutnya disarankan untuk mengeksplorasi pendekatan adaptive parameter tuning untuk mencapai keselarasan antara performa metrik dan kualitas visual.