Zwiększenie rozdzielczości obrazu

Znam niektóre oscyloskopy ( DSA8300 ), które wielokrotnie próbkują z prędkością kilkuset kS / s, aby zrekonstruować sygnał o częstotliwości kilku GHz. Zastanawiałem się, czy można to rozszerzyć na sygnały 2D (zdjęcia). Czy mogę zrobić serię (powiedzmy 4) zdjęć przy użyciu komercyjnego aparatu 16MP, aby w końcu zrekonstruować obraz 32MP? Czy zrobienie tego usunie aliasing, który mam z każdego obrazu?

Gdyby próbować czegoś takiego z jednego obrazu, oczywiście nie zadziałałoby, ponieważ nie wprowadzano żadnych nowych informacji. Jeśli wszystkie wykonane zdjęcia są absolutnie identyczne, czy nadal będę w tym samym momencie, co jedno zdjęcie? Czy więc wariacje są niezbędne? Czy szum CCD / CMOS jest wystarczającą odmianą, aby coś takiego działało?

Czy istnieje nazwa takiej techniki lub algorytmu? Czego powinienem szukać?

— Lord Loh.
źródło

Hałas CCD nie pomoże, ale fizyczny ruch kamery może. Robienie wielu zdjęć identycznej sceny z identycznym aparatem w identycznej pozycji pozwoli tylko zmniejszyć szum, a nie zmniejszyć aliasing. Nadal mierzysz te same punkty. Robienie zdjęć przesuniętych względem siebie o mniej niż jeden piksel zapewniłoby jednak efektywnie wyższą częstotliwość próbkowania, pomagając usunąć aliasing.

— endolith,

Mam Nikon DX o szerokości 23,6 mm i 4929 pikseli na ten wymiar. Stanowi to szerokość każdej strony na czujniku ~ 4,7889 mikronów. Czy powinienem więc przesuwać kamerę wzdłuż osi szerokości o ułamki tej kwoty? Czy powiesz 10 zdjęć, przesuwając aparat 0,47 mikrona za każdym razem? I to samo na wysokości? To nie brzmi jak weekendowy projekt z gotowymi silnikami krokowymi: '- (

— Lord Loh.

Zastanawiałem się nad tym, czy mogę użyć wielu zdjęć z jednego ujęcia kamery Light Field Camera ( Lytro ) z różnymi płaszczyznami ogniskowania, aby zrekonstruować obraz w super rozdzielczości? Intuicyjnie myślę, że to nie zadziała: - /

— Lord Loh.

Nie, to zależy od odległości do celu, optyki itp. Wyobraź sobie promień wystrzeliwujący z każdego piksela aparatu, zginany przez obiektyw i uderzający w cel, więc jest on pokryty prostokątną siatką punktów. Są to punkty, które widzi każdy piksel kamery. Jeśli celem jest ściana pokryta paskami, a pasy zmieniają się wielokrotnie na przemian między każdym z punktów siatki, to będziesz miał aliasing.

— endolith

To ma teraz sens :-) Ruch 0,4 mikrona w tym przypadku praktycznie nie ma żadnego ruchu!

— Lord Loh.

Odpowiedzi:

Jednym słowem dla tej techniki jest super-rozdzielczość .

Robert Gawron ma tutaj post na blogu i implementację Pythona tutaj .

Zwykle technika ta polega na tym, że każdy obraz jest nieco przesunięty względem innych. Jedynym zyskiem, jaki można uzyskać, gdy nie poruszamy się między ujęciami, jest zmniejszenie poziomu hałasu.

— Peter K.
źródło

Czy to wyeliminuje aliasy części obrazu? Jak budowanie okien i drobnych sieci? Jeśli każdy obraz jest aliasowany, czy utracone informacje nadal można odzyskać?

— Lord Loh.

Wygląda na to, że jakiś efekt aliasingu może zostać cofnięty .

— Peter K.

Intuicyjnie, jeśli przesuniesz kroków czujnika o wielkości jego rozdzielczości, możesz uzyskać więcej rozdzielczości. To jest jak wielofazowa reprezentacja sygnału. $N$ $\frac{1}{N}$ $\times N$

Stosując metody szacowania, każdy ruch, który nie jest całkowitym zwielokrotnieniem rozdzielczości czujnika (Zdarzenie z zerowym prawdopodobieństwem), a mianowicie ruch ułamkowy, może być wykorzystany do zebrania większej ilości danych i zwiększenia rozdzielczości.

Zazwyczaj metody te nazywane są super rozdzielczością, która jest fantazyjną nazwą dla reprezentacji i próbkowania wielofazowego i są podproblemem w rodzinie odwrotnych problemów w przetwarzaniu obrazu.

Zwróć jednak uwagę, że wiele artykułów dotyczy Super Resolution, ale faktycznie rozwiązują one inny problem (Dekonwolucja pojedynczego obrazu).
Problem, którego szukasz, dotyczy również problemów odwrotnych, ale używasz wielu obrazów.

Myślę, że metoda, której szukasz, jest stosowana głównie w branży litograficznej.

— Royi
źródło

Tak początkowo myślałem. Że musiałbym poruszać się w zakresie submikronowym, ale to - mathworks.com/matlabcentral/fileexchange/... nie przyjmuje takiego podejścia i zapewnia przyzwoitą poprawę obrazu - może to być uzyskiwanie informacji z witryn pod-fotograficznych poprzez przenoszenie kamera nieco losowo zamiast systematycznego ruchu krokowego 1 / N.

— Lord Loh.

Cześć, jak napisałem, stosując techniki szacowania, każdy ruch (chyba że jest to całkowite zwielokrotnienie komórek czujników) może zostać wykorzystany do wnioskowania o więcej danych.

— Royi

Innym słowem jest „układanie”. Służy do redukcji szumów CCD, zwiększenia głębi ogniskowej (poprzez układanie obrazów, które są nieco inaczej ustawiane), do poprawy zdjęć astronomicznych w bardzo słabym świetle oraz do uzyskania wysokiego zakresu dynamiki (HDR) z serii zdjęć o normalnym zakresie. Widzieć

http://en.wikipedia.org/wiki/Focus_stacking

http://www.instructables.com/id/Astrophotography-Star-Photo-Stacking

http://en.wikipedia.org/wiki/High_dynamic_range_imaging

— Glenn Randers-Pehrson
źródło