2011-05-12 6 views
2

Я делаю некоторые эксперименты по улучшению изображения, поэтому я делаю фотографии с моей дешевой камеры. Камера имеет мозаичные артефакты, и все изображения выглядят как сетка. Я думаю, что ядро ​​дотов (вне фокуса) и гауссово ядро ​​не были бы лучшими кандидатами. Какие-либо предложения?Размытие ядра низкокачественной камеры

EDIT:
Образец

enter image description here

Я подозреваю, что это не может быть сделано с помощью постоянного ядра, так как воздействие на пиксели не совпадают (так что есть «сетки»).

+0

Возможно, лучшая идея состоит в том, чтобы выполнять некоторые операции сглаживания, а затем применять размытые ядра, упомянутые выше. – ziyuang

+2

Возможно ли, что это просто старые артефакты JPEG? Блоки кажутся 8x8. –

+0

И да, это похоже на простой артефакт jpeg. – James

ответ

3

Эффекты нелинейные. (И, вероятно, нестационарный), поэтому вы не можете просто инвертировать свертку и улучшать изображение - если бы вы могли, чип камеры сделал бы это на борту.

Лучший способ определить, что такое свертка (или, по крайней мере, приближение к нему), может состоять в том, чтобы делать снимки известных паттернов, вычислять и работать в 2D-области частот/лапласа, делить полученные спектры, чтобы получить линейный приближение к фильтру.

Я подозреваю, что свертка вы обнаружите, делая это будет очень зависит от контекста - так что лучший способ улучшить изображение может быть разделить его на плитку, классифицировать каждую область изображения как принадлежащие к другому set (для каждого из которых вы могли бы выработать другое линейное приближение к свертке на основе тестовых данных), а затем деконволюцию каждого отдельно.

+0

Прохладный, @Autopulated. Но я не совсем уверен, как «разделить полученные спектры, чтобы получить линейное приближение к фильтру», можете ли вы предложить дополнительные подсказки? – ziyuang

+1

Если вы выполняете двумерные преобразования Фурье ваших данных, свертка в пространственной области эквивалентна умножению в частотной области, поэтому вы можете сделать: 'deconvolved real data = IFFT (FFT (реальные данные) x FFT (тестовый патч)/FFT (тестовое патч-фото)), где FFT означает 2D-преобразование Фурье, IFFT для двумерного обратного преобразования Фурье. – James

+0

По моему опыту, разделение в частотной области очень подвержено ошибкам из-за аддитивного шума. Я нашел, что подход «наилучшего соответствия» работает намного лучше в реальных проблемах, подобных описанным. См. Мои [вопрос и ответ] (http://stackoverflow.com/questions/20492572/calculating-the-blur-kernel-between-2-images?lq=1) для более подробной информации. – Stav

 Смежные вопросы

  • Нет связанных вопросов^_^