Является ли антиалиасный фильтр действительно размытым фильтром?

Question

Я пытаюсь понять, как работает фильтр сглаживания. Это важно для меня, так как мне нужно запечатлеть мелкие детали на самом краю предела разрешения объектива камеры, как описано Эрнстом Аббе. Мне нужно рассчитать самое дешевое решение, только то, что влияние фильтров немного неизвестно в данный момент.

Есть и вторая причина - я также интересуюсь тем, что в действительности является резкостью. Так, например, является ли нерезкая маска реальным инструментом для борьбы с ней, или мы должны вместо этого деконволвировать? Возможно оба? Я имею в виду, если бы мы действительно хотели быть максимально точными с научной точки зрения.

Действительно ли фильтр aa размывает изображение до того, как оно попадает на сенсор? Есть ли электронный компонент для этого?

Answer 1

Да, фильтр сглаживания на большинстве цифровых камер - это оптический фильтр, который размывает свет прямо перед датчиком изображения. Но для твоих целей это меньше всего твоих забот.

То, как маска фильтра Байера работает на подавляющем большинстве цифровых камер, означает, что фактический предел разрешения камер, оборудованных таким образом, составляет примерно половину числа пиксельных лунок! Необработанные данные включают в себя только одно значение яркости для каждого пикселя, которое маскируется так, чтобы быть чувствительным только к одному из трех цветов, составляющих маску Байера: красный, зеленый или синий. Отражая цветовую реакцию человеческого глаза, в каждой группе из четырех пикселей, расположенных 2 × 2 на датчике, расположены два зеленых, один синий и один красный пиксель. Чтобы получить цвета из этой монохроматической информации, необработанные данные должны быть демозированы с использованием алгоритмов, которые сравнивают значения соседних пикселей и интерполируют значения красного, зеленого и синего для каждого пикселя на датчике.

Answer 2

Вы не сможете получить лучшие результаты, просто теоретически проанализировав один или несколько эффектов, вызывающих размытие. Лучший способ продолжить - это измерить размытие, а затем выполнить деконволюцию на основе измеренной функции разброса точек. Вы можете напечатать какой-нибудь черно-белый узор из линий в разных направлениях или кругов на листе бумаги. Снимок, сделанный с относительно близкого расстояния, скажем, в метре, но такой, что вы не получаете значительной деформации края, можно использовать в качестве эталонного изображения с высоким разрешением. Затем, если вы сделаете еще один снимок с другого пути (используя точно такое же фокусное расстояние), у вас будет изображение с более низким разрешением. Отображение из изображения с высоким разрешением в изображение с низким разрешением включает в себя все эффекты размытия, которые вы хотите исправить.

Теперь, как уже упоминалось в комментариях к ответу Майкла, вы должны работать с исходными необработанными изображениями, не выполняя демозаики. Для этого вы можете использовать программу dcraw и использовать опцию -d или -D для создания файлов TIFF. Эти файлы Tiff должны быть разделены на 3 части путем выбора пикселей, соответствующих R, G и B, из исходного изображения. Затем вам нужно убедиться, что полученный результат действительно линейный, как и должно быть, в противном случае вы должны исправить это. Итак, вы должны сделать это правильно, прежде чем начинать измерение функции разброса точек.

Что вы можете сделать, это сфотографировать некоторые объекты в комнате с двумя лампами A и B, используя штатив. Вы делаете снимки только с подсветкой A, только с подсветкой B, а также с A и B. Затем, если необработанные снимки действительно точно линейные, вы сможете точно рассчитать снимок A + B из снимков A и B. Но вы должны сделать много снимков, выровнять их и усреднить, чтобы сделать их практически полностью свободными от шума. Вы также должны скорректировать разное время экспозиции, после наложения у вас останется неизвестное эффективное время экспозиции. Но это не имеет значения, поскольку предполагается, что A + B - некоторая линейная комбинация A и B, и если это не так, вы можете легко это обнаружить.

Затем, предполагая, что вы можете создавать недемозированные изображения, которые почти точно линейны и не содержат шумов, вы можете создавать такие изображения для образцов, а затем использовать их для вычисления функции разброса точек для различных настроек камеры. Это должно быть сделано для разных F-номеров, а также для преднамеренных отклонений от идеального фокуса. Расчет функции разброса точек в каждом случае может быть выполнен с использованием методов преобразования Фурье.

Используя данные всех функций разброса точек, вы можете очень точно повысить резкость, используя деконволюцию. Если вы делаете снимки какого-либо объекта, вы должны сделать это, используя методы наложения изображений, чтобы максимально эффективно удалить шум. Кроме того, вы должны сделать это для слегка отличающихся настроек фокуса в пределах поля, которые вы бы оценили как совершенно четкие. Затем используйте недемозированные линейные необработанные файлы (используя любое дополнительное преобразование, которое, по вашему мнению, было необходимо для получения почти точно линейного вывода).

Затем, изучая изображения, вы можете извлечь функции разброса точек до некоторой аппроксимации (например, глядя на высококонтрастные края). Затем вы сравниваете эти функции разброса точек с точными экспериментально определенными, чтобы выбрать, какая из них наилучшая. Лучше, чтобы экспериментальные функции разброса точек обрабатывались в математической форме, где дефокусировка описывается непрерывным параметром. В зависимости от этого параметра функция разброса точек в хорошем приближении будет просто масштабироваться.

Затем вы выбираете это изображение, которое соответствует самой узкой функции разброса точек, и затем деконвольвируете это изображение. Чем уже функция разброса точек, тем меньше вы получаете шум (чем шире функция разброса точек, тем уже она находится в k-пространстве, что вызывает усиление компонентов Фурье, что вызывает усиление шума).