Обнаружение размытия в изображениях / видео последовательностях

Question

Я спрашивал об этом при обмене стеками фотографий, но подумал, что это также может быть актуально и здесь, поскольку я хочу реализовать это программно в своей реализации.

Я пытаюсь реализовать алгоритм обнаружения размытия для моего конвейера обработки изображений.,Размытие, которое я хочу обнаружить, - оба:

1) дрожание камеры: снимки, сделанные с помощью руки, которая перемещается / дрожит при уменьшении скорости затвора.

2) Ошибки фокусировки объектива - (ГлубинаПроблемы с полем), такие как фокусировка на неправильном объекте, вызывающем некоторое размытие.

3) Размытие в движении: быстро движущиеся объекты на сцене, снятые с использованием недостаточно высокой скорости затвора.Например, движущийся автомобиль ночью может показать след его фары / заднего света на изображении в виде размытия.

Как можно обнаружить это размытие и количественно его определить, чтобы принять какое-то решение на основе этого вычисленного значения 'метрика размытия '?

Какова теория обнаружения размытия?

Я ищу хороший материал для чтения, используя который я могу реализовать некоторый алгоритм для этого в C / Matlab.

спасибо.

-AD.

Answer 1

Размытие в движении и дрожание камеры - это одно и то же, когда вы думаете о причине: относительное движение камеры и объекта.Вы упомянули медленную скорость затвора - это виновник в обоих случаях.

Пропуск фокусировки субъективен, поскольку зависит от намерения от фотографа.Не зная , на чем фотограф хотел сфокусироваться, невозможно достичь этого.И даже если вы действительно знаете, на чем хотите сосредоточиться, это все равно не будет тривиальным.

С учетом этой дозы реализма позвольте мне заверить вас, что обнаружение размытия на самом деле очень активная область исследований , и уже есть несколько метрик , которые вы можете опробовать на своих изображениях.Вот некоторые из них, которые я использовал недавно:

• Ширина края.В основном, выполните обнаружение краев на вашем изображении (используя Canny или другое), а затем измерьте ширину краев.Размытые изображения будут иметь более широкие края, которые будут более растянутыми.Более четкие изображения будут иметь более тонкие края.Google для «Метрики восприятия без ссылки» от Marziliano - это известная статья, которая достаточно хорошо описывает этот подход для полной реализации.Если вы имеете дело с Motion Blur , то края будут размыты (широкими) в направлении движения.
• Наличие мелких деталей.Посмотрите на мой ответ на на этот вопрос (отредактированная часть).
• Подходит в частотной области.Взяв гистограмму коэффициентов DCT изображения (при условии, что вы работаете с JPEG), вы получите представление о мельчайших деталях изображения. Вот как вы извлекаете коэффициенты DCT непосредственно из файла JPEG.Если счетчик для терминов, не относящихся к постоянному току, мал, вероятно, изображение размыто.Это самый простой способ - в частотной области есть более сложные подходы.

Есть и другие, но я чувствую, что этого должно быть достаточно, чтобы вы начали.Если вам требуется дополнительная информация по любому из этих пунктов, запустите Google Scholar и посмотрите вокруг.В частности, ознакомьтесь с ссылками на статью Марцилиано, чтобы получить представление о том, что было опробовано в прошлом.

Answer 2

Существует замечательная статья под названием: " анализ операторов измерения фокуса для формы от фокуса " (https://www.researchgate.net/publication/234073157_Analysis_of_focus_measure_operators_in_shape-from-focus), в которой проводится сравнение около 30 различных методов.

Из всех различных методов методы, основанные на «лапласиане», по-видимому, имеют наилучшую производительность. Большинство программ обработки изображений, таких как: MATLAB или OPENCV, уже реализовали этот метод. Ниже приведен пример использования OpenCV: http://www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/

Answer 3

Просто чтобы добавить ошибки фокусировки, их можно обнаружить, сравнив psf снятых размытых изображений (шире) с эталонными (резче). Методы деконволюции могут помочь исправить их, но оставляя искусственные ошибки (тени, рябь, ...). Камера светового поля может помочь перефокусироваться на любые плоскости глубины, поскольку она захватывает угловую информацию помимо традиционных пространственных данных сцены.