Ratings and Reviews of Online Casinos
1. Sol Casino
Free Sign-Up Bonus: 200 Free Spins ( Free Sign-Up Bonus Link )
First Deposit Bonus: 100% up to €/$ 200 ( Registration Link )
2. Fresh Casino
Free Sign-Up Bonus: 40 Free Spins ( Free Sign-Up Bonus Link )
First Deposit Bonus: 200% up to €/$ 1000 ( Registration Link )
3. Jet Casino
Free Sign-Up Bonus: 20 Free Spins ( Free Sign-Up Bonus Link )
First Deposit Bonus: 100% up to €/$ 1000 ( Registration Link )
Osa 2. Defoosoitujen ja hämärtyneiden kuvien palauttaminen. Harjoitella. Vladimir Yuzhikov
ohella Vladimir Yuzhikov
Äskettäin julkaisin ensimmäinen osa Tämän artikkelin palauttamiseksi ja hämärtyneiden kuvien palauttamiseksi, joka kuvaa teoreettista osaa.
Tämä teema on aiheuttanut paljon kiinnostusta ja päätin jatkaa tähän suuntaan ja näyttää sinulle, millaisia ongelmia ilmenee ilmeisesti yksinkertaisten kaavojen käytännön toteuttamisessa. Alla on tulos todellisen epäselvän kuvan käsittelystä (ei keinotekoisella hämärtymisellä). Lähdekuva tehtiin kameralla Canon 500D. Keskittyminen tehtiin manuaalisesti hämärtymisen saamiseksi. Kuten voimme nähdä, teksti on ehdottomasti lukukelvoton, voimme erottaa vain Windows 7 -valintaikkunan.
Smartdeblurin tulos:
Lähes kaikki teksti voidaan lukea helposti, vaikkakin ominaisia vääristymiä ilmestyi.
Muista teoria
Yksityiskohtainen teoriakuvaus esitettiin ensimmäisessä osassa, mutta muistamme kuitenkin lyhyesti pääkohdat. Lähdekuvan jokaisen pikselin hämärtymisprosessissa muuttuu pisteeksi, jossa on defoctured ja linjasegmentti (tai jonkin polun), jos liikunta. Kaikki nämä ovat päällekkäisiä toisiaan, mikä tosiasia johtaa epäselvään kuvaan. Periaatetta, jonka mukaan yksi pikseli tulee leviämään, kutsutaan hämärtäväksi funktioksi. Muut synonyymit – PSF (pisteen leviämisfunktio), ydin ja muut.
Meidän on jotenkin käännettävä konvoluutio, pitämällä mielessä melu. Mutta f (x, y) ei ole niin helppoa g (x, y) – jos laskemme sen suoraviivaiseksi, niin saamme valtavan yhtälöjoukon.
Mutta Fourier -muunnos tulee pelastamaan. Siellä on ns. Konvoluutiolause, jonka mukaan konvoluution toiminta alueellisessa domeenissa vastaa säännöllistä kertolaskua taajuusalueella (missä kertolasku-elementti-elementti, ei matriisi). Vastaavasti konvoluutiota vastakohtainen operaatio vastaa jakautumista taajuusalueella, i.e. Tämä voidaan ilmaista seuraavasti:
 |
(1) |
Missä kaikki elementit ovat Fourier -toimintoja:
F (x, y) – Lähdekuva (ei-hämärtynyt)
H (x, y) – hämärtymistoiminto
N (x, y) – additiiviset melu
G (x, y) – hämärtävä tuloskuva
Joten meidän on palautettava maksimaalinen lähentäminen alkuperäiseen kuvaan F (u, v). Yksinkertaisesti jakamalla oikean ja vasemman puolen H (u, v) ei toimi, koska jopa pienen melun läsnäolo (kuten se on aina oikeassa kuvassa), summa N (u, v) / h (u, v), hallitsee, mikä johtaa siihen, että alkuperäinen kuva on täysin piilotettu melun alle
On lähestymistapoja, joissa otetaan huomioon kuvan melun esiintyminen – yksi suosituimmista ja ensimmäisistä, on Wiener -suodatin. Se pitää kuvaa ja melua satunnaisprosesseina ja löytää tällaisen arvon f ‘ vääristymättömälle kuvalle f, että näiden arvojen keskimääräinen keskihajonta oli minimaalinen. Tällaisen poikkeaman minimi saavutetaan funktiossa taajuusalueella:
 |
(2) |
S -funktio merkitsee tässä vastaavasti melun ja lähdekuvan energiaspektriä – koska nämä arvot tunnetaan harvoin, silloin fraktio SN / SF korvataan jollain vakiona k, joka voidaan suunnitella suunnilleen signaalinauhasuhteena.
Menetelmät PSF: n saamiseksi
Joten, ota Wiener -suodatin, joka on jo kuvattu, lähtökohtana נ Yleisesti ottaen on monia muita lähestymistapoja, mutta ne antavat suunnilleen saman tuloksen. Joten kaikki alla esitetyt kuvaukset ovat myös sovellettavissa muihin dekonvoluutiomenetelmiin.
Päätehtävä נ on saada pisteen leviämistoiminnon (PSF) arviointi. Tämä voidaan tehdä monin tavoin:
1. Malli. Se on erittäin vaikeaa ja aikaa koskevaa, koska nykyaikaiset kameran linssit koostuvat kymmenistä eri linsseistä ja optisista elementeistä, joista joillakin on ei-pagherinen muoto, jokaisella lasityypillä on ainutlaatuiset ominaisuudet palkkien taitekerroksilla, joilla on erilaiset aallonpituudet. Seurauksena on, että valon etenemisen oikea laskenta tällaisessa monimutkaisessa optisessa järjestelmässä ottaen huomioon läpikulun, uudelleenkäynnistys jne., muuttuu melkein mahdottomaksi. Ja sen voivat ratkaista vain nykyaikaisten linssien kehittäjät.
2. Suora tarkkailu. Muista, että PSF נ on mitä kuvan jokainen kohta muuttuu. Minä.e. Jos teemme mustan taustan ja lisäämme siihen yhden valkoisen pisteen ja teemme sitten kuvan siitä vaaditulla defokusoivalla arvolla, saamme suoran kuvan PSF: stä. Se näyttää helpolta, mutta on monia erityispiirteitä ja vivahteita.
3. Laskenta tai epäsuora havainto. Annetaan tutkita (1) vääristymäprosessin kaavaa ja ajatella, kuinka voimme saada H (u, v)? Ratkaisu tulee nopeasti נ Meidän on oltava kuvan F (u, v) ja hämärtynyt G (u, v) kuvan. Sitten, jos jaamme Fourier-hämärtyneen kuvan Fourier-lähdekuvalla, saamme vaaditun PSF: n.
Tietoja Bokehista
Ennen kuin siirrämme yksityiskohtia. Ihanteellisessa linssissä on ympyränmuotoinen PSF, joten jokainen piste muuttuu jonkin verran halkaisijan ympyräksi. Muuten, se on yllättävää monille ihmisille, koska ensi silmäyksellä näyttää siltä, että Defocusing vain kannustaa koko kuvan. Tämä tosiasia selittää myös, miksi Photoshopin Gaussian Blur ei ollenkaan näytä taustakuvalta (sitä kutsutaan myös bokehiksi), jonka näemme linssin läpi. Itse asiassa nämä ovat kaksi erilaista hämärtymistä נ Gaussin mukaan, jokainen piste muuttuu epäjohdonmukaiseksi paikaksi (Gaussin kello), ja defocusing muuttaa jokaisen pisteen ympyräksi. Vastaavasti tulokset eroavat myös.
Mutta ihanteellisia linssejä ei ole, ja todellisessa tilanteessa saamme tämän tai sen poikkeaman ihanteellisesta ympyrästä. Tämä muodostaa jokaisen linssin ainutlaatuisen bokeh -kuvion, jolloin valokuvaajat käyttävät paljon rahaa linsseihin kauniilla bokehilla 🙂 Bokeh voidaan jakaa kuviollisesti kolmeen tyyppiin:
נ Neutraali. Tämä on suurin likiarvo ympyrälle.
נ Pehmeä. Kun reunoilla on alhaisempi kirkkaus kuin keskuksessa.
נ terävä. Kun reunoilla on suurempi kirkkaus kuin keskuksessa.
Alla oleva kuva kuvaa tätä:
Lisäksi bokeh -tyyppi נ pehmeä tai terävä riippuu myös siitä, onko tarkennus edessä vai takana. Minä.e. onko kamera keskittynyt ennen esinettä tai sen takana. Esimerkiksi, jos linssillä on pehmeä bokeh -kuvio eturintamassa (kun sanotaan, tarkennus on kasvot ja tausta on hämärtynyt), niin takaosassa saman linssin bokeh -kuvio on terävä. Ja päinvastoin. Vain neutraali bokeh ei muutu tarkennustyypin takia.
Mutta tämä ei ole kaikki נ, koska nämä tai että geometriset vääristymät tapahtuvat jokaiselle linssille, niin PSF -tyyppi riippuu myös sijainnista. Keskellä נ melkein ympyrä, reunoilla נ ellipsit ja muut oblaattiset luvut. Tämä näkyy seuraavassa valokuvassa נ Kiinnitä huomiota oikeaan alakulmaan:
Keskustelemme nyt kahdesta viimeisestä PSF -menetelmistä.
PSF – suora havainto
Kuten edellä sanottiin, sen on luotava musta tausta ja valkoinen kohta. Mutta ei riitä tulostimen tulostamiseen tulostimeen. Tarvitsemme paljon suuremman eron mustan taustan ja valkoisen pisteen kirkkaudessa, koska yksi piste hämärtyy suurella ympyrällä נ Vastaavasti sen pitäisi olla suurempi kirkkaus, jotta voimme olla näkyviä hämärtymisen jälkeen.
Tätä tarkoitusta varten tulostin Malevichӳ Black Square -kadun (kyllä, vietin paljon väriainetta, mutta pituudet, jotka sinun täytyy mennä tieteeseen!), levitettävä folio toiselle puolelle, koska paperiarkki näkyy erittäin hyvin ja lävisti sen neulalla pienen reiän valmistamiseksi. Sitten loin nerokkaan kokoonpanon, joka oli valmistettu 200 watin lamppuista ja գ andwichԡ of mustasta paperiarkista ja foliosta. Tätä se näytti:
Sitten kytkin polttimon päälle, peitin sen arkilla, kytkin ympäristön valon pois ja tein useita kuvia kahdella linssillä נ Kit-tyyppinen linssi Canon EF 18-55 ja muotoilin linssi Canon EF 85mm/1.8. Luonnoistani, leikkasin PSF: n ja rakensin sitten profiilikaavioita.
Tämä on tulos Kit -linssille:
Ja muotokuvalinssi Canon EF 85mm/1.8:
On hyvin nähtävissä, kuinka bokeh -merkki muuttuu terävästä pehmeäksi yhdelle ja samalle linssille edessä ja takaosassa. On myös nähtävissä, mikä kompleksi muodolla PSF: llä on נ Se ei ole kaukana ihanteellinen ympyrä. Muotokuvalinssille näemme myös suuria kromaattiset poikkeamat suuren linssin aukon vuoksi 1.8.
Tässä on vielä pari kuvaa, joiden kalvo on 14 נ, voimme nähdä siitä, kuinka muoto muuttui ympyrästä tavalliseen kuusikulmioon:
PSF – laskenta tai epäsuora havainto
Seuraava lähestymistapa נ on epäsuora havainto. Tätä tarkoitusta varten, kuten edellä sanottiin, meillä on oltava lähde F (U, V) ja Blurred G (U, V) -kuva. Kuinka voimme saada ne? Erittäin helposti נ Meidän on kiinnitettävä kamera jalustalle ja tehtävä yksi terävä ja yksi hämärtynyt kuva yhdestä ja samasta kuvasta. Sitten käyttämällä Fourier-kuvan jakautumista hämärtyneestä kuvasta Fourier-kuvalla lähdekuvasta, saamme Fourier-kuvan halutusta PSF: stämme. Sitten jos käytämme käänteistä Fourier -muunnosta, saamme suoran PSF: n.
Tein kaksi kuvaa:
Seurauksena sain seuraavan PSF: n:
Ohita vaakaviiva, tämä on esine, joka ilmestyi Fourier -muunnoksen jälkeen Matlabissa. Tuloksena on, sanotaan, keskimäärin נ monia ääniä ja PSF -yksityiskohtia ei nähty kovin hyvin. Siitä huolimatta menetelmällä on oikeus olemassaoloon.
Kuvattuja menetelmiä voidaan käyttää ja niitä on käytettävä PSF: n luomiseen epäselvien kuvien palauttamisen aikana, koska lähdekuvan palauttamisen laatu riippuu suoraan siitä, kuinka lähellä tämä toiminto on todelliseen. Kun oletettu ja todellinen PSF eivät ole samanaikaisesti, näkyy lukuisia esineitä է amy -hämärtymisen muodossa. Useimmissa tapauksissa oletetaan, että pyöreä PSF: n oletetaan, mutta suurimman palauttamisen saavuttamiseksi suositellaan leikkiä tämän funktion muodon kanssa kokeilemalla useita variantteja laajalle levinneistä linsseistä נ, kuten näimme, PSF voi vaihdella huomattavasti, kalvosta riippuen riippuen kalvosta riippuen kalvosta riippuen. , linssi ja muut olosuhteet.
Reunavaikutukset
Seuraava ongelma koostuu tosiasiasta, että jos käytämme suoraan Wiener -suodatinta, niin näemme kuvan omituiset է avy blurԡon -reunat. Käsin heiluttamisessa syy siihen koostuu seuraavasta נ, kun dekonvoluutio suoritetaan niille kohteille, jotka sijaitsevat reunoilla, sitten kokoamisen aikana meiltä puuttuu pikseliä, jotka sijaitsevat kuvan reunojen ulkopuolella ja ne joko otetaan nollaan, tai otettu vastakkaiselta puolelta (riippuu Wiener -suodattimen ja Fourier -muunnoksen toteutumisesta). Tätä se näyttää: 
Yksi tapa tämän välttämiseksi koostuu kuvan reunojen esikäsittelystä. Ne ovat hämärtyneet samalla PSF: llä. Käytännössä tämä voidaan tehdä seuraavalla tavalla נ Otamme lähdekuvan f (x, y), hämärtämme sitä PSF: n avulla ja saamme f ‘(x, y), sitten lopullinen lähdekuva f’ ‘(x, y) on muodostettu lisäämällä F (x, y) f ‘(x, y) käyttämällä painofunktiota, joka reunoilla saa arvon 1 (koko kohta on otettu Blurred F’ (x, y)) ja etäisyydellä yhtä suuri kuin (tai ylittää) PSF -säde kuvan reunasta, se saa arvon 0. Ja seurauksena reunojen aaltoileva hämärtyminen katosi:
Vertailu
On vielä vertailua prosessoinnin laatua kaupallisiin ohjelmistoihin.
Valitsin kaksi tunnetuinta ohjelmaa
1. Topazin infokus – www.topazlabs.com/infocus/
2. Focus -taikuus – www.focusmaginen.com/
Kokeen puhtauden vuoksi otamme mainoskuvia virallisilta sivustoilta – tämä varmistaa, että verrattuilla ohjelmilla on optimaaliset käsittelyparametrit (koska mielestäni kehittäjät valitsivat huolellisesti ja valitsevat parametrit ennen julkaisua mainonnassa sivustolla.) Tarkastellaan ensimmäistä esimerkkiä – liikkeen hämärtämistä:
Esimerkki Topaz Infocuksen verkkosivusto:
Parametrien arvo, jota käytetään yllä olevassa esimerkissä – tyyppi: liikevaihe, pituus: 10.1, kulma: -45, sileä: 60%
Tulokset ovat hyvin samankaltaisia, tämä osoittaa sen Topazin infokus Käyttää samanlaista dekonvoluutioalgoritmia ja lisää jälkikäsittelyn tasoituksen, melunpoiston ja reunan parantamisen muodossa.
Esimerkkejä voimakkaasta defocusing -ohjelman verkkosivustosta ei löytynyt, ja tätä laajennusta ei ole suunniteltu tälle (enimmäisblur -säde on vain muutama pikseli).
Se voidaan huomata vielä yksi asia – kulma oli tarkalleen 45 astetta ja pituus hämärtää 10 pikseliä. Tämä viittaa siihen, että kuva on epäselvä keinotekoisesti. Tämän tosiasian puolesta – palautustulos on erittäin hyvä, mikä ei ole tyypillistä todellisille kuville (kuten alla on esitetty).
Joten siirrytään seuraavaan esimerkkiin – defocus -palauttaminen. Ensinnäkin saat mainoskuvan Focus Magisin Operical -sivustolta: www.focusmaginen.com/focing-esimerkit.htm
Tulos:
Ei ole niin selvää, mikä se on parempi.
Alkuperäinen kuva
Smartdeblurin tulos (Tyyppi: Poissa, säde: 5.9, sileä: 60%)
Topaz Infocuksen tulos (Tyyppi: keskittyminen, säde: 5.5, tukahduttaa esineet: 0.34)
Piirros. Kunkin ohjelman parametrit valittiin parhaan laadun tarjoamiseksi.
Ilmoitus sokeasta dekonvoluutiomoduulista
Annan ilmoittaa seuraava SmartDeblur -versio, jolla on sokea dekonvoltiomoduuli liikkeen hämärtämiseksi. Uusi moduuli analysoi epäselviä kuvia automaattisesti ja määritä PSF/ydin – kuten Adoben osoittama tekniikka. Pääkohta – ytimellä voi olla monimutkaisempi muoto.
Voit nähdä esimerkkejä alla:
Esimerkki 1 – Kehitys (todellinen kuva)
| Ydin |
|
Tulos
Kuten näette – monimutkainen ydin tunnistettiin onnistuneesti.
Esimerkki 2 – käärme (todellinen kuva)
| Ydin |
|
Tulos
Johtopäätös
Tässä vaiheessa haluaisin lopettaa tämän artikkelin. Halusin kuitenkin kirjoittaa monista muista asioista, mutta teksti on jo melko pitkä. Olen erittäin kiitollinen, jos yrität ladata SmartDeblurin ja kokeilla sitä oikeilla kuvilla. Valitettavasti minulla ei ole kovin paljon defoosoitettuja ja hämärtyviä kuvia, poistin ne kaikki 🙂
Kuka kokeilee ohjelmaa – Huomaa, että sujuva parametri esikatselutilassa ja korkealaatuisessa tilassa käyttäytyy hieman eri tavalla. Joten tasoitusliukusäätimen lopputulos voidaan arvioida vasta korkealaatuisen renderoinnin jälkeen.
Ja olen erittäin kiitollinen, jos lähetät minulle (löydät sähköpostiviestin profiilista) palaute ja esimerkit onnistuneista/epäonnistuneista palautuksista. Haluan myös pyytää sinua ilmoittamaan kaikista virheistä, lähettämään kommenttisi ja ehdotuksesi נ, koska sovellus on edelleen vähän “raaka” ja vähän epävakaa.
Pääkysymyksellä, joka on edelleen. Mielestäni tämä johtuu siitä, että digitaalianturien valoarvot eivät ole lineaarisia, joten se antaa väärän tulkinnan todellisesta kirkkaudesta. Voi olla kirkkautta logaritmista esikäsittelyä tarvitaan tai jotain muuta.
Muistuta jälleen kerran:
URL-osoitteen avulla Windows-binarit voivat ladata:
github.com/lataukset/y-vladimir/smartdeblur/smartdeblur-1.27-voiton.postinumero
Mac -versio (huomaa, etten testannut sitä!)
https: // github.com/y-vladimir/smartdeblur/blob/master/dist/smartdeblur-1.27-MAC-V2.dmg
Lähteet (GPL V3 -lisenssillä): github.com/y-vladimir/smartdeblur
Jos sinulla on kysyttävää, ota minuun yhteyttä sähköpostitse – olen onnellinen, jos annat minulle palautetta tästä artikkelista ja Smartdeblurista.
(Vladimir Yuzhikov)
P.S. Venäläinen käännös löytyy tässä
Sosiaaliset yhteydet
Keskustella jstk Reddit
Keskustella jstk Gizmodo
Keskustella jstk Hacker -uutiset