前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >对单张图像循环进行多次超分辨,图像增强,去模糊等图像处理是否合理?以及如何评价图像质量?

对单张图像循环进行多次超分辨,图像增强,去模糊等图像处理是否合理?以及如何评价图像质量?

作者头像
周旋
发布2022-08-07 12:29:08
7100
发布2022-08-07 12:29:08
举报
文章被收录于专栏:行走的机械人行走的机械人

对单张图像循环进行多次超分辨,图像增强,去模糊等图像处理是否合理?以及如何评价图像质量?

这是知乎原问题,但我没能理解题主的核心意思,超分辨率,去噪,去模糊这类问题在深度学习领域非常流行,而且这个问题也涉及很多高深的数学问题。

如果从深度学习领域回答,那题主可能是在问,涉及重复多次进行超分辨率,增强,去模糊这类操作的深度学习模型的合理性与可行性?

我第一眼看到这个问题,想到的是对图像循环多次进行滤波是否合理?

为什么这样想呢,因为题目问的是图像处理也没提深度学习,而滤波也可以实现平滑,锐化,增强等效果。

本文主要探讨,对图像循环多次进行滤波是否合理?

所以在回答这个问题之前,先捋一下图像滤波的分类。

首先图像处理可以分为空间域和频率域,空间滤波又可分为线性滤波和非线性滤波。

滤波一词来源于频率域处理,通过低频的滤波器为低通滤波器,可以实现平滑(模糊)图像的作用;通过高频的滤波器为高通滤波器,可以实现锐化图像的作用。

而空间滤波可以通过核(也可以叫空间滤波器,模板,窗口等等)来实现类似的功能。

空间滤波器是由一个邻域(典型的是一个较小的矩形)和对该邻域包围的图像像素执行的预定义操作组成。而输出的值就是滤波器中心坐标像素的值。如果在图像像素上执行的是线性操作,则该滤波器称为线性空间滤波器,否则,被称为非线性空间滤波器。

线性滤波器包括均值滤波,方框滤波,高斯滤波等;非线性滤波包括中值滤波,双边滤波,以及形态学操作等。

所以,对图像循环多次进行滤波是否合理?

以均值滤波为例,均值滤波器输出的是包含在滤波器窗口内的像素的简单平均值,可以实现平滑的作用,是一种低通滤波器。

实际应用中,一次平滑不能达到我们的要求时,往往会再平滑一次或几次,这是合理的。

但如果不停的循环进行均值滤波处理,无数次后它将趋近于一个恒定的图像,这个图像没有任何意义。

【原图】【100次均值滤波效果】【1000次均值滤波效果】

形态学操作同样如此,以膨胀为例,膨胀就是求局部最大值的操作。核与图像卷积,计算核覆盖区域的像素点的最大值,并把这个最大值赋值给核的中心坐标像素。这样就会使图像中的高亮区域逐渐增长。

而一直循环进行图像膨胀,100次操作之后还有明显的亮度梯度,1000次时得到的就已经是一张固定亮度的图像了。

【原图】【100次膨胀操作】【1000次膨胀操作】

所以多次进行同一操作达到预期效果是合理的,但无限循环是没有意义的。

至于图像质量,一般可以从对比度,亮度,结构进行评估,可以单独搜到很多优良的回答,就不说了。可以参看:

江户川柯壮:图像质量评估指标 SSIM / PSNR / MSE

代码语言:javascript
复制
https://zhuanlan.zhihu.com/p/150865007

THE END

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-07-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 周旋机器视觉 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档