我希望能夠解決如何通過對圖像進行矩陣轉換來提高圖像質量,該轉換基本上可以「解除」圖像的軟化/運動模糊。在圖像上反轉矩陣轉換
如果我是應用轉換到清晰的圖像,有什麼變換B將讓我回到原來的圖像,如果A是以下幾點:
0 1 0
0 1 0
0 1 0
我希望能夠解決如何通過對圖像進行矩陣轉換來提高圖像質量,該轉換基本上可以「解除」圖像的軟化/運動模糊。在圖像上反轉矩陣轉換
如果我是應用轉換到清晰的圖像,有什麼變換B將讓我回到原來的圖像,如果A是以下幾點:
0 1 0
0 1 0
0 1 0
達到這樣的目標的唯一途徑,是取決於變換。
想象一個案例是一個非常基本的(也許是愚蠢的)模糊功能。它適用於圖像,並將所有像素127,128,129從範圍[0-255]中的值轉換而來。爲了反轉這個過濾器,我們必須能夠將值映射回來。但是,我們只是丟失了信息。示例是將像素值1和5都轉換爲127.現在,沒有先前值的信息,當我們讀取轉換像素127的值時,我們是否應將其轉換爲1或5?我們不知道。
現在,牢記一些轉換是單程票。有更好的方案。例如,通過基本上用逆矩陣或旋轉矩陣變換圖像,可以完全反轉諸如圖像旋轉的線性變換。
甲^( - 1)= A ^(T)
其中A爲旋轉矩陣。
因此,基本上,變換被反轉時:
AIA ^(T)
其中I是圖像,並且A爲旋轉矩陣。
因此,有兩件事情需要能夠反轉變換圖像。你的變換必須是數學可逆的。然後你需要應用與你的變換函數在數學上相反的變換。
當然,有些方法可以嘗試在沒有完全變形的情況下銳化圖像,如果它們對您有用,這裏有一些用於處理模糊圖像的技術;
高通濾波,但簡單的經典:http://northstar-www.dartmouth.edu/doc/idl/html_6.2/Sharpening_an_Image.html
反捲積:https://en.wikipedia.org/wiki/Deconvolution
變的方法(基於變分法的方法):http://www.math.ucla.edu/~bertozzi/papers/moellerpaper.pdf
更多可以在文獻中找到。
好的,謝謝澄清要求。我可能需要問的是,是一個簡單的模糊函數,如上面的那個(平均上面的像素,當前像素和下面的像素)是可逆的?我假設圖像中的色調精度(16位而不是8位)足以處理舍入誤差(如果極端,如您所示,這可能是不可逆的)。 我的想法是,模糊中涉及的三個像素的某些功能會讓您回到起點,但我沒有足夠的本領研究這個領域,知道它是什麼。 –
不,不是真的。平均過濾如何工作?它需要一個卷積矩陣並用它過濾圖像。爲了簡單起見,我們假設這個過濾器是一行三列的大小。含義需要三個像素並對其intesity進行平均並將其保存爲像素。假設這個值爲50.現在,當你想要反轉時,假設你知道應用了過濾器,所以你看到的是價值50,並認爲他們是51,50,49或0,50,100等等。你不可能真的知道,你可以採取的唯一方法是解決一個方程組找到原始值,這可能很難根據情況而定 –