Нерезкое маскирование - Unsharp masking

К нижней части изображения применена нерезкая маскировка

Нерезкое маскирование (USM) является резкость изображения техника, часто доступная в цифровая обработка изображений программного обеспечения. Его название происходит от того факта, что в технике используется размытый или "нерезкое" негативное изображение для создания маска исходного изображения.^[1] Затем маска нерезкости комбинируется с исходным позитивным изображением, создавая менее размытое изображение, чем исходное. Результирующее изображение, хотя и более четкое, может быть менее точным представлением объекта изображения. В контексте обработка сигналов, нерезкая маска обычно линейный или же нелинейный фильтр, усиливающий высокочастотные компоненты сигнала.

Нечеткое маскирование фотолаборатории

Упрощенный принцип нерезкой маскировки

Для фотографического процесса фотолаборатории широкоформатный Стеклянный негатив копируется контактным способом на низкоконтрастную пленку или пластину для создания позитивного изображения. Однако позитивная копия создается таким образом, чтобы копировальный материал соприкасался с обратной стороной оригинала, а не эмульсия в эмульсию, поэтому он размыт. После обработки этот размытый позитив заменяется на обратную сторону оригинального негатива. Когда свет проходит как через отрицательный, так и через положительный регистр (в увеличитель, например), положительное частично отменяет часть информации отрицания.

Поскольку позитив был намеренно размыт, удаляется только низкочастотная (размытая) информация. Кроме того, маска эффективно снижает динамический диапазон оригинального негатива. Таким образом, если полученное увеличенное изображение записано на контрастная фотобумага, частичное подавление подчеркивает высокочастотную пространственно-частотную информацию (мелкие детали) в оригинале без потери деталей светлых или теневых участков. Полученный отпечаток кажется более резким, чем отпечаток, сделанный без нерезкой маски: его резкость увеличивается.

В фотографической процедуре степень размытия можно контролировать, изменяя «мягкость» или «жесткость» (от точечного источника до полностью рассеянного) источника света, используемого для первоначальной нерезкой экспозиции маски, в то время как сила эффекта может быть контролируется изменением контраста и плотности (т. е. экспозиции и проявления) нерезкой маски.

Для традиционной фотографии обычно используется нерезкое маскирование монохромный материалы; специальный панхроматический для маскировки цветных фотопленок доступны мягкие черно-белые пленки. Это было особенно полезно для управления диапазоном плотности прозрачных пленок, предназначенных для фотомеханическое воспроизведение.

Цифровое нерезкое маскирование

Исходное изображение (вверху),
резкость изображения (в центре),
изображение с высокой резкостью (внизу)

Тот же принцип разности используется в инструменте нерезкого маскирования во многих программных пакетах для обработки цифровых изображений, таких как Adobe Photoshop и GIMP.^[2] Программное обеспечение применяет Размытие по Гауссу с копией исходного изображения, а затем сравнивает его с оригиналом. Если разница превышает заданное пользователем пороговое значение, изображения (по сути) вычитаются.

Цифровое нерезкое маскирование - гибкий и эффективный способ повысить резкость, особенно в сканированные изображения. К сожалению, это может привести к появлению нежелательных заметных краевых эффектов или увеличению шум изображения. Однако эти эффекты можно использовать творчески, особенно если один канал из RGB или же Лаборатория изображение становится резким. Нежелательные эффекты можно уменьшить с помощью маски, особенно созданной обнаружение края - применять повышение резкости только к желаемым областям, что иногда называют «умной резкостью».

Как правило, цифровое нерезкое маскирование регулируется величиной, радиусом и порогом:

• Сумма указывается в процентах и ​​контролирует величину каждого превышение (насколько темнее и насколько светлее становятся границы). Это также можно рассматривать как добавление контраста по краям. Это не влияет на ширину краев обода.
• Радиус влияет на размер кромок, которые необходимо улучшить, или на то, насколько широкими становятся кромочные кромки, поэтому меньший радиус улучшает детализацию меньшего масштаба. Более высокие значения радиуса могут привести к появлению ореолов по краям, обнаруживаемой слабой световой кромки вокруг объектов. Для мелких деталей нужен меньший радиус. Радиус и количество взаимодействуют; уменьшение одного позволяет больше другого.
• Порог управляет минимальным изменением яркости, которое будет повышено, или тем, насколько далеко должны быть друг от друга соседние тональные значения, прежде чем фильтр что-либо сделает. Такое бездействие важно для предотвращения образования пятен на гладких участках. Настройку порога можно использовать для повышения резкости более четких краев, оставляя более тонкие края нетронутыми. Низкие значения должны повышать резкость, потому что исключается меньшее количество областей. Более высокие пороговые значения исключают области с более низким контрастом.

Существуют различные рекомендации по начальным значениям этих параметров.^[3] и значение может отличаться в зависимости от реализации. Обычно рекомендуется радиус от 0,5 до 2 пикселей и величина от 50 до 150%.

Также можно реализовать USM вручную, создав отдельный слой, который будет действовать как маска;^[2] это можно использовать, чтобы понять, как работает USM, или для точной настройки.

Типичная формула смешивания для нерезкого маскирования:

резкость = исходный + (исходный - размытый) × количество.

Повышение местного контраста

Нерезкое маскирование также можно использовать с большим радиусом и малым значением (например, с радиусом 30–100 пикселей и размером 5–20%).^[4]), что дает увеличенный локальный контраст, метод, названный усиление местного контраста.^[4][5] USM может увеличивать резкость или (локальный) контраст, потому что это обе формы увеличения различий между значениями, увеличения наклона - резкость относится к очень мелким (высокочастотным) различиям, а контрастность относится к более крупным (низкочастотным) различия. Более мощные методы улучшения тональности называются отображение тонов.

Сравнение с деконволюцией

Для обработки изображений, деконволюция это процесс приблизительно инвертирования процесса, из-за которого изображение стало размытым. В частности, нерезкое маскирование - это простая операция с линейным изображением. свертка по ядро это Дельта Дирака минус ядро ​​размытия по Гауссу. С другой стороны, деконволюцию обычно считают некорректно обратная задача это лучше всего решить с помощью нелинейных подходов. В то время как нерезкое маскирование увеличивает кажущуюся резкость изображения без учета того, каким образом было получено изображение, деконволюция увеличивает видимую резкость изображения, но основана на информации, описывающей некоторые из вероятных источников искажений используемого светового пути. в захвате изображения; поэтому иногда может быть предпочтительнее, когда затраты на время подготовки и время вычисления для каждого изображения компенсируются увеличением четкости изображения.

С помощью деконволюции «потерянные» детали изображения могут быть приблизительно восстановлены, хотя обычно невозможно проверить точность любой восстановленной детали. Статистически может быть достигнут некоторый уровень соответствия между изображениями с повышенной резкостью и реально отображаемыми сценами. Если сцены, которые будут захвачены в будущем, достаточно похожи на сцены с подтвержденными изображениями, то можно оценить степень точности восстановленных деталей. Улучшение качества изображения часто бывает привлекательным, поскольку те же проблемы проверки присутствуют даже для неулучшенных изображений.

Чтобы деконволюция была эффективной, необходимо смоделировать все переменные в сцене изображения и устройстве захвата, включая отверстие, фокусное расстояние, расстояние до объекта, объектива и носителя показатели преломления и геометрии. Успешное применение деконволюции к изображениям с камеры общего назначения обычно невозможно, потому что геометрия сцены не задана. Однако в действительности деконволюция применяется к микроскопии и астрономической визуализации, где ценность полученной резкости высока, устройства формирования изображений и относительные положения объектов хорошо определены, а оптимизация устройств формирования изображений для физического улучшения резкости будет стоить значительно дороже. В случаях, когда присутствует стабильная, четко выраженная аберрация, например, дефект хрусталика на ранней стадии Космический телескоп Хаббла изображений, деконволюция это особенно эффективный метод.

Выполнение

В приведенном ниже примере изображение свернуто с помощью следующего фильтра повышения резкости:

Фильтр резкости${ displaystyle { begin {bmatrix} 0 & -1 & 0 - 1 & 5 & -1 0 & -1 & 0 end {bmatrix}}}$

Эта матрица получается путем взятия тождественного ядра и вычитания ядра обнаружения краев:

${ displaystyle { begin {bmatrix} 0 & 0 & 0 0 & 1 & 0 0 & 0 & 0 end {bmatrix}}}$-${ displaystyle { begin {bmatrix} 0 & 1 & 0 1 & -4 & 1 0 & 1 & 0 end {bmatrix}}}$=${ displaystyle { begin {bmatrix} 0 & -1 & 0 - 1 & 5 & -1 0 & -1 & 0 end {bmatrix}}}$

Эффектом повышения резкости можно управлять, варьируя вклад Обнаружение края.

Второе изображение было увеличено вдвое по сравнению с первым.

Это возможная реализация этого ядра в Processing (Java).

плавать заточитьСила = 1;плавать[][] ядро =  {{ 0, -1*заточитьСила, 0},                      { -1*заточитьСила, (4*заточитьСила) +1,-1 *заточитьСила},                      { 0, -1*заточитьСила, 0}};   PImage изображение;пустота настраивать() {    размер(1920, 1080);    изображение = loadImage("Car.jpg");    noLoop();}пустота рисовать() {    изображение(изображение, 0, 0);     изображение.loadPixels();    PImage Новое изображение = createImage(изображение.ширина, изображение.высота, RGB);      за (int Y = 1; Y < изображение.высота-1; Y++ ) {        за (int Икс = 1; Икс < изображение.ширина-1; Икс++) {            int newPixelValueR = 0;            int newPixelValueG = 0;            int newPixelValueB = 0;                         за (int YK = -1; YK < 2; YK++) {                   за (int XK = -1; XK < 2; XK++) {                    int PixelPosition = (Y+YK) * изображение.ширина + (Икс+XK);                    плавать PixelValueR = красный(изображение.пиксели[PixelPosition]);                    плавать PixelValueG = зеленый(изображение.пиксели[PixelPosition]);                    плавать PixelValueB = синий(изображение.пиксели[PixelPosition]);                    newPixelValueR += ядро[YK+1][XK+1] * PixelValueR;                    newPixelValueG += ядро[YK+1][XK+1] * PixelValueG;                    newPixelValueB += ядро[YK+1][XK+1] * PixelValueB;                }            }                            Новое изображение.пиксели[Y*изображение.ширина + Икс] = цвет(newPixelValueR, newPixelValueG, newPixelValueB);        }    }        Новое изображение.updatePixels();    изображение(Новое изображение, ширина/2, 0);}

Смотрите также

• Улучшение края
• Иллюзия Cornsweet

Рекомендации

Эта статья нужны дополнительные цитаты для проверка. Пожалуйста помоги улучшить эту статью к добавление цитат в надежные источники. Материал, не полученный от источника, может быть оспорен и удален. Найдите источники: «Нерезкое маскирование»  – Новости  · газеты  · книги  · ученый  · JSTOR (Май 2010 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

внешняя ссылка

• Интерактивный пример нерезкой маски
• Руководство пользователя PhotoKit Sharpener
• Заточка 101, зеркало по thom, 1 августа 2003 г.
• Нерезкая маска: аналог Photoshop, Образец нерезкой маскировки в фотолаборатории, до цифровой