Восстановление расфокусированных изображений
Введение.
Восстановление искаженных изображений является одной из самых главных и интересных проблем в вопросах цифровой обработки изображений и используется во многих сферах жизни – от потребительских до научных. Устранение искажений важно для создания качественных фотографий и видео, используется в компьютерном зрении, распознавании, системах аэрофотосъемки и в прикладных областях, связанных с цифровой обработкой сигналов.
1. Модели искажений графических изображений. Во время движения устройства относительно объекта съемки возникают аддитивные пространственные искажения – смаз и дефокусировка. Они возникают за счет природы датчиков цифрового снимающего устройства, получающих поступающий за время съемки свет. В результате происходит неизбежная потеря информации и изображение получается нечетким.
В большинстве работ искаженное изображение в пространственной области описывается следующим образом:
(1)
Содержание не найдено
Список литературы
Переславцева Е.Е., Филиппов М.В. Метод ускоренного восстановления изображений, смазанных при движении. Электронное научно-техническое издание: наука и образование, 2012.
Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. — М. : Техносфера, 2012. — 1104 с.
Бушуева, М.Е. Восстановление расфокусированных изображений с использованием фильтра Винера и его модификации — Нижний Новгород: Нижегородский государственный технический университет им. Р.Е. Алексеева, 2019. — С. 596-599.
Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. ЦИФРОВАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ: Учебное пособие. — Новосибисрк: Изд-во НГТУ, 2000. — 168.
Черногорова Ю.В. Преобразование Фурье как основополагающий частотный метод улучшения изображений / Ю.В. Черногорова. — Текст : непосредственный // Молодой ученый. — 2017. — № 21 (155). — С. 39-42.
J. W. Cooley, J. W. Tukey. An algorithm for machine computation for complex Fourier series. Math. comp., 19, 297-301(1965).
3. Анализ существующих подходов. Существует несколько подходов к восстановлению искаженных изображений – это методы “слепой” и “неслепой” деконволюции. Подход “неслепой” деконволюции подразумевает использование классических линейных методов восстановления, выбор которых зависит от модели изображения и особенностей искажений.
Простейшим способом восстановления изображения является инверсная фильтрация, которая предполагает получение оценки Фурье-преобразования исходного изображения делением Фурье-преобразования искаженного изображения на частотное представление искажающей функции [2]:
(5)
Использование обратной фильтрации для восстановления крайне неэффективно т.к. данный фильтр не учитывает зашумленность изображения.