Nyelv :
SWEWE Tag :Bejelentkezés |Bejegyzés
Keresés
Enciklopédia közösség |Enciklopédia válaszok |Küldje el kérdését |Szókincs |Feltöltés ismeretek
Előző 2 Következő Válassza ki a Pages

Motion blur

A fuzzy

Tegyük fel, hogy van egy tiszta képet sík y (x), csak akkor tudjuk megfigyelni a homályos kép, a PSF (x) ismert pontkülönbség funkció PSF (Point Spread Function) azt mondta, konvolúció (konvolúció) (konvolúció). Feltételezve, hogy ez a diszkrét konvolúció és a zaj, mi megfigyelt kép lehet kifejezni:

ε (x) a zaj. x az elosztó hálózatra ügyes n1 × n2 X,, X = {k1, k2: k1 = 1,2, ..., n 1, k2 = 1,2, ..., n2}.2. motion blur

A legegyszerűbb modell elérhető lineáris elmosódást pontkülönbség funkciót a diszkrét konvolúció formájában fejezzük ki:

≤ L / 2,

psf (x1, x2) = 0, egyébként.

L a hossza a mag által meghatározott rendszermag mozgásának sebességét, mozgási irányának a lejtő β által a döntést. Ez a modell feltételezi, hogy a mozgókép azonosak minden pixel.

Eltávolítás

A legfontosabb tényező

A motion blur (mozgás deblurring) függ a pontkülönbség funkció határozza meg (Point Spread Function), a. Kétértelműség az eredménye átlagosan szomszédos pixel, és ezért úgy gondolták, hogy elegendő ahhoz, hogy visszaállítsa az információkat a szomszédos pixel.

6. ábra: Relatív gyorsan mozgatni a kamerát zársebesség lassabb járművek, a forgalom az utcán hagyva vakító fény.

Defuzzifikálás módszer

A naiv módszer - gyors Fourier-transzformáció a fuzzy módszer (FFT Deblurring)

A gyors Fourier deblurring módszer az egyik nagyon egyszerű módon: a frekvenciatartományban, hogy a fuzzy művelet lehet kifejezni, mint a Fourier-transzformáció, és fuzzy képek a pontkülönbség funkciója a Fourier-transzformáltja termék.

b (x) = psf (x) * o (x) n (x)

B (k) = PSF-(k) O (k) n (k)

Ezért deblurring egyszerűen használja a Fourier transzformáltja pontkülönbség funkciója a reciproka MTF (k), hogy képviselje.

B / MTF = O N / MTF van jó hatással, ha a következő két feltétel:

a) nem volt homályos képzaj.

b) MTF nem nullát (nulla).

Valójában azonban, függetlenül attól, hogy a fenti két feltétel, a zaj felerősödnek (lásd az N / MTF ezt a kifejezést).

2. a nem-rekurzív módszer-Wiener szűrő elhomályosítja törvény (Wiener szűrő Deblurring)

Átlagos négyzetes hiba (MSE), hogy optimalizálja a fuzzy lineáris más "nem-rekurzív" módszerek, mint például: beállító szűrő (szabályossá szűrő), a korlátozások bevezetését válaszolja kép. Wiener deblurring módszer és a "nem-rekurzív" módszereket. Ez a módszer is értelmezhető: azonosítják és alkotás MMSE van képe a rekonstrukció képet. Wiener szűrő általában gondolt lineáris módját, hogy megoldja az általános nemlineáris minimalizálás probléma. A tiszta Gauss-zaj, lineáris minimalizálása probléma. Így az átlagos négyzetes hiba Wiener szűrőt tenni ebben a speciális esetben a legjobb módszer, hogy megoldja. Azonban a legtöbb a tényleges kép Poissom zaj, így a következő módszer kerül bemutatásra.

7. ábra: Éjszaka fogás tetején San Jose International Airport csak le a gépet. Város fényei alkotnak koncentrikus vonalak.

3. rekurzív módszer - Lucy-Richardson ment fuzzy módszer (Lucy-Richardson Deblurring)

Lucy-Richardson, szabályosan és a Wiener deblurring módszerek irányítja alatt dekonvolúció működési zaj miatt, és káoszt okozott a Pillangó-hatás kép hiba, a különbség, Lucy-Richardson ment fuzzy módszer rekurzív stílus. Lucy-Richardson használata Bayes-tétel feltételes valószínűsége ismétlődő műveleteket, és elhomályosítja a kép előtt és után összehasonlítva, részben, hogy megszüntesse a zaj, jobb eredményeket.

Két kulcsfontosságú megértése, hogy ki a végső képlet:

1) A Bayes-féle valószínűségi képlet helyébe a fényerejét pixel.

A következő magyarázat lehet világosabb: foton nyomja az érzékelő képpontok fényerejét arányos a valószínűsége, és a képpontok meghatározott időn belül.

Kategória :[PhotoShop]

Előző 2 Következő Válassza ki a Pages
Használó Felülvizsgálati
Nincs még hozzászólás
Én is kommentálom [Látogató (13.58.*.*) | Bejelentkezés ]

Nyelv :
| Ellenőrző kód :


Keresés

版权申明 | 隐私权政策 | Szerzői jog @2018 A világ enciklopédikus tudás