Informatics Point

Информатика и проектирование

Сравнение изображений на практике

Перейдем к практике, начнем со сравнения перечисленных методов на изображении с искусственным размытием и шумом.

Результаты:

Фильтр Винера

Фильтр Люси-Ричардсона

Регуляризация по Тихонову

Слепая деконволюция

Немного затронем примеры реальных изображений. До этого все искажения были искусственными, что хорошо для обкатки и изучения. Но посмотрим, как все это будет работать с настоящими фотографиями. Вот один пример такого изображения, снятого с ручным уводом фокуса:

Запускаем скрипт:

И получаем следующий результат:

На изображении появились новые детали, четкость стала гораздо выше, но появились помехи в виде "звона" на контрастных границах.

Теперь рассмотрим пример с реальным смазыванием:

Скрипт примерно тот же, только тип PSF поменяем на "motion":

Результат:

Качество, заметно улучшилось - стали различимы рамы на окнах, машины. Артефакты уже другие, нежели в предыдущем примере с расфокусировкой.

Заключение

Цифровая обработка сигналов - наука о представлении сигналов в цифровом виде методах обработки таких сигналов. Она охватывает множество предметных областей, таких как обработка изображений и биомедицинских данных, обработка звука и речи, обработка сигналов с сонаров, радаров и сенсоров, спектральный анализ.

В Работе большое внимание уделено искажающим функциям, которые не просто полезны в цифровой обработке изображений, но дают абсолютно необходимый инструмент для дальнейшего изучения вопросов, связанных с обработкой изображений. Вопросы оценки искажающей функции и сегодня представляют значительный интерес. Поскольку искажающая функция редко бывает известна точно, в последние годы был предложен целый ряд методов, в которых особое значение придается определенным аспектам восстановления. Особое внимание уделено вопросам сохранения резких перепадов значений яркости для повышения резкости изображения, в то время как основной целью в работе является восстановление мелких объектов на искаженных изображениях.

Смазанные изображения - один из самых неприятных дефектов в фотографии, наравне с расфокусированными изображениями. В работе рассматриваются алгоритмы деконволюции для восстановления смазанных и расфокусированных изображений. Эти подходы позволяют восстановить исходное изображение, если известна точная траектория смазывания (или форма пятна размытия).

В большинстве случаев траектория смазывания предполагается прямой линией, параметры которой должен задавать сам пользователь - для этого требуется достаточно кропотливая работа по подбору ядра, кроме того, в реальных фотографиях траектория смазывания далека от линии и представляет собой замысловатую кривую переменной плотности/яркости, форму которой крайне сложно подобрать вручную.

Так же в работе вводятся основные понятия ЦОС: линейные системы, свертка, дискретное преобразование Фурье.

Лучшие статьи по информатике

Телефонный номеронабиратель
Первые микроконтроллеры компании MICROCHIP PIC16C5x появились в конце 80-х годов и благодаря своей высокой производительности и низкой стоимости составили с ...

Применение сверхширокополосных сигналов в перспективных системах связи
В современных условиях требования, предъявляемые к эффективности и функциональности систем передачи информации (повышение помехоустойчивости, скрытность, э ...

Проектирование телевизионного приемника
электрический напряжение приемник телевизионный Цель курсового проекта: закрепить знания, полученные при изучении теоретической части дисциплины, привить навы ...

Меню сайта