1

これは、この質問の拡張された質問です。KindallとStephan Van der Walltのおかげで、前の問題を解決するために、関連するパッケージdeconvolutionを使用して画像にプロセスを適用する方法を理解する必要があります。 私は知っているだけなので、このリンクのコードをPythonを使用してMatLapコードに変換する方法を教えてください。私は「畳み込み定理-練習部分」にのみ興味があり、それは大きな助けになります。また、畳み込みまたはデコンボリューションの方法が画像に どのような影響を与えるかを理解する必要があります。それを理解しようとグーグルで調べましたが、完全には理解できなかった方程式がたくさんあります。 python
pythonMatLab

注：
（1）どのように機能するかについての説明はdeconvolve、確かにありがたいです。
ありがとう

4

1 に答える 1

13

正式には、畳み込みは2つの関数の数学演算です。

画像処理では、画像の各ピクセルについて、その値を隣接するピクセルの値と混合する操作と見なすことができます。ネイバーの値は、畳み込みカーネルによって重み付けされます。このミックスは、画像のすべてのトランジションがスムージングされるため、画像にぼかし効果をもたらします。

畳み込みモデルの強力な前提は、カーネルがすべての画像で同じであり、1つのピクセルから別のピクセルに変化しないことです。

光学用語では、畳み込みカーネルは点像分布関数（PSF）と呼ばれます。

デコンボリューションは、ピクセル値の混合を解除することを目的とした逆演算です。デコンボリューションの問題は、次の3つのカテゴリに分類できます。

  • カーネルに関する情報が知られていないブラインドデコンボリューション
  • 近視のデコンボリューション。畳み込みカーネルに関する知識が限られています。
  • カーネルが事前にわかっているデコンボリューション

もちろん、後者の場合ははるかに簡単に解決できます。この後者の問題の簡単な解決策は、逆カーネルを使用して画像に別の畳み込みを適用することです。この単純な解決策には、画像のノイズレベルが上がる傾向があるという大きな欠点があります（デコンボリューションは不適切な逆問題であるため）。

この問題への対応として、反転を正規化する方法が開発されました。ただし、デコンボリューションは活発な研究分野であり、汎用の効率的なブラインドデコンボリューションアルゴリズムはまだ見つかっていないことに注意してください。

デコンボリューションは、画像を鮮明にすることを目的としているが、画像の高周波を増加させることによる不鮮明なマスキングとは区別されることに注意してください。

于 2012-10-24T21:43:34.780 に答える