Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Deblur con el algoritmo de Lucy-Richardson

Visión general

Utilice la función para enfoque vibración una imagen utilizando el algoritmo acelerado, amortiguado, Lucy-Richardson.deconvlucy El algoritmo maximiza la probabilidad de que la imagen resultante, cuando se le congenera con el PSF, sea una instancia de la imagen borrosa, suponiendo que las estadísticas de ruido de Poisson. Esta función puede ser eficaz cuando conoce el PSF pero sabe poco sobre el ruido aditivo en la imagen.

La función implementa varias adaptaciones al algoritmo de máxima verosimilitud original de Lucy-Richardson que abordan tareas complejas de restauración de imágenes.deconvlucy

Reducción del efecto de amplificación de ruido

es un problema común de los métodos de máxima verosimilitud que intentan ajustar los datos lo más estrechamente posible.Noise amplification Después de muchas iteraciones, la imagen restaurada puede tener una apariencia moteada, especialmente para un objeto liso observado con relaciones de señal a ruido bajas. Estos motas no representan ninguna estructura real en la imagen, pero son artefactos de ajustar el ruido en la imagen demasiado de cerca.

Para controlar la amplificación de ruido, la función utiliza un parámetro de amortiguación,.deconvlucyDAMPAR Este parámetro especifica el nivel de umbral para la desviación de la imagen resultante de la imagen original, por debajo de la cual se produce la amortiguación. Para los píxeles que se desvían en las proximidades de sus valores originales, se suprimen las iteraciones.

La amortiguación también se utiliza para reducir, la aparición de estructuras de alta frecuencia en una imagen restaurada.ringing El timbre no es necesariamente el resultado de la amplificación del ruido. Consulte para obtener más información.Evite el timbre en imágenes Desborrosas

Contabilización de calidad de imagen no uniforme

Otra complicación de la restauración de imágenes de la vida real es que los datos pueden incluir píxeles defectuosos, o que la calidad de los píxeles de recepción puede variar con el tiempo y la posición. Al especificar el parámetro de matriz con la función, puede especificar que se ignoren ciertos píxeles de la imagen.WEIGHTdeconvlucy Para ignorar un píxel, asigne un peso de cero al elemento de la matriz que corresponde al píxel de la imagen.WEIGHT

El algoritmo converge en los valores previstos para los píxeles defectuosos en función de la información de los píxeles de la vecindad. La variación en la respuesta del detector de píxel a píxel (la llamada corrección de campo plano) también puede ser acomodado por la matriz.WEIGHT En lugar de asignar un peso de 1,0 a los píxeles buenos, puede especificar valores fraccionarios y ponderar los píxeles según la cantidad de la corrección de campo plano.

Manejo de ruido de lectura de la cámara

Los detectores de dispositivos acoplados de ruido en carga (CCD) tienen dos componentes principales:

  • El ruido de conteo de fotóon con una distribución de Poisson

  • El ruido de lectura con una distribución gaussiana

Las iteraciones de Lucy-Richardson tienen en cuenta intrínsecamente el primer tipo de ruido. Debe tener en cuenta el segundo tipo de ruido; de lo contrario, puede provocar que los píxeles con niveles bajos de fotones incidentes tengan valores negativos.

La función utiliza el parámetro de entrada para controlar el ruido de lectura de la cámara.deconvlucyREADOUT El valor de este parámetro suele ser la suma de la varianza de ruido de lectura y el ruido de fondo (por ejemplo, el número de recuentos de la radiación de fondo). El valor del parámetro especifica un desplazamiento que garantiza que todos los valores son positivos.READOUT

Manipulación de imágenes Infrmuestreadas

La restauración de los datos submuestreados se puede mejorar significativamente si se hace en una rejilla más fina. La función utiliza el parámetro para especificar la velocidad de submuestreo, si se sabe que el PSF tiene una resolución más alta.deconvlucySUBSMPL

Si los datos infrmuestreados son el resultado de la discretización de píxeles de la cámara durante la adquisición de imágenes, el PSF observado en cada tasa de píxeles puede servir como un PSF de cuadrícula más fino. De lo contrario, el PSF se puede obtener mediante observaciones tomadas en desplazamientos de subpíxeles o mediante técnicas de modelado óptico. Este método es especialmente eficaz para imágenes de estrellas (alta relación señal-ruido), ya que las estrellas se ven obligadas a estar en el centro de un píxel. Si una estrella está centrada entre píxeles, se restaura como una combinación de los píxeles adyacentes. Una rejilla más fina redirige la consecuente propagación del flujo de estrellas de nuevo al centro de la imagen de la estrella.

Ejemplo: Uso de la función para Deblur una imagendeconvlucy

Para ilustrar un simple uso de, este ejemplo simula una imagen borrosa y ruidosa mediante la conformación de un filtro PSF Gaussiano con una imagen (utilizando) y luego añadiendo el ruido Gaussiano de varianza a la imagen borrosa (usando):deconvlucyimfilterVimnoise

  1. Leer una imagen en el espacio de trabajo.MATLAB® (El ejemplo utiliza el recorte para reducir el tamaño de la imagen a desdifuminar. Este no es un paso necesario en las operaciones de desdesenfoque.)

    I = imread('board.tif'); I = I(50+[1:256],2+[1:256],:); figure, imshow(I) title('Original Image') 

  2. Cree el PSF.

    PSF = fspecial('gaussian',5,5);
  3. Cree un desenfoque simulado en la imagen y agregue ruido.

    Blurred = imfilter(I,PSF,'symmetric','conv');  V = .002; BlurredNoisy = imnoise(Blurred,'gaussian',0,V); figure, imshow(BlurredNoisy) title('Blurred and Noisy Image')

  4. Se usa para restaurar la imagen borrosa y ruidosa, especificando el PSF utilizado para crear el desenfoque y limitando el número de iteraciones a 5 (el valor predeterminado es 10).deconvlucy

    Nota

    La función puede devolver valores en la imagen de salida que están más allá del rango de la imagen de entrada.deconvlucy

    luc1 = deconvlucy(BlurredNoisy,PSF,5); figure, imshow(luc1) title('Restored Image')

Refinando el resultado

La función, de forma predeterminada, realiza varias iteraciones del proceso de desdesenfoque.deconvlucy Puede detener el procesamiento después de un cierto número de iteraciones para comprobar el resultado y, a continuación, reiniciar las iteraciones desde el punto donde se detuvo el procesamiento. Para ello, pase la imagen de entrada como una matriz de celdas, por ejemplo,.{BlurredNoisy} La función devuelve la imagen de salida como una matriz de celdas que, a continuación, puede pasar como un argumento de entrada para reiniciar la deconvolución.deconvlucydeconvlucy

La matriz de celdas de salida contiene estos cuatro elementos:

Elemento

Descripción

output{1}

Imagen de entrada original

output{2}

La imagen producida por la última iteración

output{3}

La imagen producida por la iteración siguiente a la última

output{4}

Información interna utilizada para saber dónde reiniciar el procesodeconvlucy

La función admite varios otros argumentos opcionales que puede usar para lograr el mejor resultado posible, como especificar un parámetro de amortiguación para controlar el ruido aditivo en la imagen borrosa.deconvlucy Para ver el impacto de estos argumentos opcionales, vea el ejemplo.Desblurring imágenes utilizando el algoritmo de Lucy-Richardson

Consulte también

| | |

Ejemplos relacionados

Más acerca de