2011-05-20 8 views

Répondre

4

Bien que les réponses précédentes ont raison quand ils disent que vous ne pouvez pas récupérer les informations perdues, vous pourriez enquêter sur un peu et faire quelques suppositions.

J'ai téléchargé votre image dans ce qui semble être la taille d'origine (75x75) et vous pouvez voir ici un segment zoomée (un petit carré = un pixel)

enter image description here

Il semble un gris assez linéaire ! Vérifions-le en traçant les intensités de la rangée centrale. Dans Mathematica:

ListLinePlot[First /@ ImageData[i][[38]][[1 ;; 15]]] 

enter image description here

Ainsi, il est effectivement linéaire, à partir de zéro et se terminant à un.

Donc, vous pouvez deviner que c'était à l'origine une image B & W, linéairement floue.

La manière la plus simple de débloquer cela (ne donnant pas toujours de bons résultats, mais assez dans votre cas) est de binariser l'image avec un seuil de 0,5. Comme ceci:

enter image description here

, ce qui est une manière possible. Rappelez-vous juste que nous devinons beaucoup ici!

HTH!

+1

Ou, dans la syntaxe Matlab: 'binaryImage = img> 0.5;' – Jonas

+0

@Jonas Tnx! Pas de Matlab parlé ici. –

3

Vous ne pouvez généralement pas récupérer les informations manquantes.

Si vous savez ce que c'est une image de, dans ce cas un profil Gaussian ou Airy alors c'est probablement une image floue d'une source ponctuelle - vous pouvez déterminer les caractéristiques du point.

Une autre technique consiste à essayer de déterminer les tics de caractère du flou - surtout si vous avez beaucoup d'images forment le même système flou. Ensuite, créez itérativement une image source possible, brouillez-la par cette convolution et comparez-la à l'image floue.
C'est la technique générale utilisée pour créer des cartes source de radioastronomie (images) et a été utilisé pour les imparfaites images du télescope spatial Hubble

1

Lorsque vous travaillez avec des images l'une des choses les plus courantes consiste à utiliser un filtre de convolution. Il y a un filtre "netteté" qui fait ce qu'il peut pour enlever le flou d'une image. Un exemple d'un filtre Sharpen se trouve ici: http://www.panoramafactory.com/sharpness/sharpness.html

Certains programmes comme convolution make Matlab très simple: conv2 (A, B) Et plus belle retouche photo ont les filtres sous un nom ou d'une autre (aiguisent habituellement) . Mais gardez à l'esprit que les filtres ne peuvent pas faire grand-chose. En théorie, l'information réelle a été perdue par le processus de flou et il est impossible de reconstruire parfaitement l'image initiale (peu importe ce que la télévision vous laissera croire).

Dans ce cas, il semble que vous ayez une image très simple avec seulement le noir et blanc. Sachant cela à propos de votre image, vous pouvez toujours utiliser un seuil simple. Réglez tout au-dessus d'un certain seuil sur blanc, et tout ce qui est en dessous sur noir. Encore une fois, la plupart des logiciels de retouche photo rendent cela très facile.

1

Vous ne pouvez pas récupérer les informations manquantes, mais sous certaines hypothèses, vous pouvez les affiner.

Try unsharp masking.

Questions connexes