Математическая обработка изображения

Изображения, получаемые с плоскопанельных детекторов, обладают уникально низким уровнем шума, большим динамическим диапазоном и относительно низким пространственным разрешением.

Отсюда следует, что оптимальным фильтром при работе с плоскопанельным детектором является фильтр подавляющий низкие пространственные частоты (устранение медленных перепадов) и усиливающий высокие пространственные частоты (усиление резких границ).

 

Исходное изображение:                                  Улучшенное изображение:

 

 

 

В данном примере левая сторона исходного изображения темнее правой, что не несет дополнительной информации, но «потребляет» ценные градации серого цвета. В результате фильтрации видимость информативной части снимка значительно улучшилась, за счет уменьшения количества градаций серого цвета, потраченных на менее информативную.

 

Особенно эффективны фильтры при работе с разнотолщинными объектами.

Возьмем образец содержащий набор толщин от 2 до 22 мм.

 

 

 

Расположим на нем соответствующие эталоны чувствительности.

Монитор компьютера имеет 256 градаций серого цвета. Данное изображение характеризуется 20 тысячами и более градациями серого. Не существует способа без предварительной фильтрации вывести на экран все изображение с приемлемой контрастной чувствительностью.

 

Возможен просмотр изображения при помощи контрастного окна.

Контраст можно переводить с участка изображения толщиной в 2 мм

На участок изображения с толщиной 20 мм.

Все остальные участки изображения оказываются выше или ниже порога.

Однако при помощи выравнивающего фильтра мы добиваемся хорошей видимости всех участков изображения на всем изображении.

 

 

 

 

Такой низкий уровень шума в некоторых случаях позволяет применять «некорректные» алгоритмы, восстанавливающие те или иные аппаратные искажения. Один из самых известных, применяемых методов это устранение размытости.

 

Исходное изображение

 

Нерезкое изображение

 

Восстановленное изображение

 

Точность восстановления очень сильно зависит от уровня изначального шума.

При применении современных графических ускорителей подобные алгоритмы могут работать в режиме реального времени. Скорость обработки изображения размером 2000х2000 пикселей составляет несколько миллисекунд.

 

Например, при получении изображения с геометрическим увеличением, мы получаем размытое изображение из-за большого фокусного пятна трубки.

Мы можем отдельно измерить аппаратную функцию фокуса трубки.

А затем, используя аппаратную функцию фокуса трубки восстановить резкость изображения:

 

 

Подобные алгоритмы применяются также для восстановления смазывания из-за движения объекта.