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

Adaptar la desconvolución Lucy-Richardson para varias distorsiones de imagen

Utilice la función para desenfocar una imagen utilizando el algoritmo acelerado, amortiguado y Lucy-Richardson.deconvlucy El algoritmo maximiza la probabilidad de que la imagen resultante, cuando se incluye 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 original de máxima probabilidad de Lucy-Richardson que abordan tareas complejas de restauración de imágenes.deconvlucy

Reducir el efecto de la amplificación de ruido

es un problema común de métodos de máxima verosimilitud que intentan ajustar los datos lo más cerca posible.Amplificación de ruido Después de muchas iteraciones, la imagen restaurada puede tener un aspecto moteado, especialmente para un objeto suave observado en relaciones de señal a ruido bajas. Estas motas no representan ninguna estructura real en la imagen, pero son artefactos que ajustan 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 apariencia de estructuras de alta frecuencia en una imagen restaurada.Sonando El timbre no es necesariamente el resultado de la amplificación del ruido. Consulte para obtener más información.Evite el timbre en imágenes borrosas

Cuenta para la calidad de imagen no uniforme

Otra complicación de la restauración de imágenes en la vida real es que los datos pueden incluir píxeles defectuosos, o que la calidad de los píxeles de recepción puede variar según el tiempo y la posición. Al especificar el parámetro array con la función, puede especificar que se ignoren determinados píxeles de la imagen.WEIGHTdeconvlucy Para omitir 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 predichos de los píxeles defectuosos en función de la información de los píxeles de 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 corrección de campo plano.

Manejar el ruido de lectura de la cámara

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

  • Fotón contando ruido con una distribución de Poisson

  • Ruido de lectura con una distribución gaussiana

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

La función utiliza el parámetro de entrada para manejar 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

Manejo de imágenes submuestreadas

La restauración de datos submuestreados se puede mejorar significativamente si se realiza en una cuadrícula 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 submuestreados son el resultado del binning de píxeles de la cámara durante la adquisición de la imagen, el PSF observado a cada velocidad de píxeles puede servir como una cuadrícula PSF más fina. 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 las imágenes de estrellas (alta relación señal-ruido), porque las estrellas se ven efectivamente obligadas a estar en el centro de un píxel. Si una estrella se centra entre píxeles, se restaura como una combinación de los píxeles vecinos. Una cuadrícula más fina redirige la consecuente propagación del flujo de estrellas de vuelta al centro de la imagen de la estrella.

Refinar el resultado

La función, de forma predeterminada, realiza varias iteraciones del proceso de desenfoque.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 a la que, a continuación, puede pasar como argumento de entrada para reiniciar la desconvolución.deconvlucydeconvlucy

La matriz de celdas de salida contiene estos cuatro elementos:

Elemento

Descripción

output{1}

Imagen de entrada original

output{2}

Imagen producida por la última iteración

output{3}

Imagen producida por la siguiente a la última iteración

output{4}

Información interna utilizada para saber dónde reiniciar el procesodeconvlucy

Consulte también

|

Ejemplos relacionados

Más acerca de