La eliminación de borrosidad es el proceso de eliminar los artefactos borrosos de las imágenes [imagen de entrada, por ejemplo, B, que es una imagen borrosa que generalmente ocurre debido al movimiento de la cámara o algún otro fenómeno]. Ahora queremos recuperar la imagen nítida S de la imagen borrosa que es B. Matemáticamente representamos B = S * K donde B es la imagen de entrada borrosa, necesitamos encontrar tanto la imagen nítida S como la K, que es el núcleo borroso y * se llama convolución . Decimos que S está convolucionado con K para generar una imagen borrosa B, donde K es el desenfoque causado por la aberración de desenfoque , el desenfoque de movimiento, desenfoque gaussiano o cualquier tipo de desenfoque. Entonces, nuestro objetivo ahora es recuperar S, que es una imagen nítida y también K, y el proceso se conoce como Deblurring y algunas personas también lo llamaron Unblur, pero Deblur es la palabra técnica correcta.
El desenfoque K se modela típicamente como una función de dispersión puntual y se convoluciona con una imagen nítida hipotética S para obtener la Imagen B borrosa, donde se desconocen tanto la imagen nítida S (que se va a recuperar) como la función K de dispersión puntual. Este es un ejemplo de un problema inverso . En casi todos los casos, no hay información suficiente en la imagen borrosa para determinar de forma única una imagen original plausible, lo que la convierte en un problema mal planteado . Además, la imagen borrosa contiene ruido adicional que complica la tarea de determinar la imagen original. Esto generalmente se resuelve mediante el uso de un término de regularización para intentar eliminar las soluciones inverosímiles. Este problema es análogo a la eliminación de eco en el dominio de procesamiento de señales. No obstante, cuando se utiliza un haz coherente para la formación de imágenes, la función de dispersión de puntos se puede modelar matemáticamente. [1] Mediante la deconvolución adecuada de la función de dispersión de puntos K y la imagen borrosa B, la imagen borrosa B se puede borrar (quitar borrosidad) y se puede recuperar la imagen nítida S.
Ver también
enlaces externos
Referencias
- ^ Ahi, Kiarash (26 de mayo de 2016). Anwar, Mehdi F; Crowe, Thomas W; Manzur, Tariq (eds.). "Modelado de imágenes de terahercios basado en imágenes de rayos X: un enfoque novedoso para la verificación de imágenes de terahercios y la identificación de objetos con detalles finos más allá de la resolución de terahercios" . Proc. SPIE 9856, Terahertz Physics, Devices, and Systems X: Advanced Applications in Industry and Defense, 985610 . Terahercios de física, dispositivos y sistemas X: aplicaciones avanzadas en la industria y la defensa. 9856 : 985610. Código Bibliográfico : 2016SPIE.9856E..10A . doi : 10.1117 / 12.2228685 . Consultado el 26 de mayo de 2016 .