Всем привет!
Честно признаюсь, я — плохой фотограф. В памяти моего телефона хранится миллион снимков, которые я не могу опубликовать даже в своём телеграм-канале, потому что они малость нечёткие :). Сегодня я расскажу вам о том, какой алгоритм используется для улучшения чёткости, или правильнее сказать, резкости фотографий. Предупреждаю сразу, не стоит ждать от него каких-то супер результатов. Это один из простейших, но в тоже время базовых алгоритмов.
Чтобы продемонстрировать как работает алгоритм улучшения резкости, возьмём лишь маленькую часть фотографии. Как всегда, для начала рассмотрим алгоритм на примере чёрно-белого (так называемый грэйскейл) изображения. В принципе, алгоримт содержит всего три шага.
Шаг первый — размазать/размыть имеющееся изображение I ещё больше (помните, такой алгоритм мы уже рассматривали):
Шаг второй — вычесть размытое изображение G из первоначального I. Мы уже говорили о том, что изображение — это таблица, в каждой ячейке которой записан цвет. В результате, если вычесть из исходного изображения размытое, в пикселях с одинаковым или почти одинаковым цветом получим ноль. Такой пиксель будет тёмным, почти чёрным. Там где цвета отличаются сильнее, получим значения сильно отличные от нуля. Значит, это будут более светлые пиксели. Такие светлые области — это, так называемые детали изображения, или то, что даёт нам информацию о границах предмета:
Ну и последний третий шаг — к нашему первоначальному изображению мы прибавляем изображение, полученное во втором шаге. Тем самым мы как бы усиливаем границы объекта.
Вот и всё. Ниже приведён пример такого улучшения чёткости. Наверное, на первый взгляд может показаться, что ничего не изменилось. Но обратите внимание на лепестки розы. Ещё раз повторяю, это самой простой алгоритм, поэтому результат не самый впечатляющий :).
Ну а вот пример, когда этот алгоритм был использован на каждой из составляющих RGB изображения:
Надеюсь, хоть небольшое улучшение качества фотографии вы заметили. Если что-то не понятно, задавайте вопросы в комментариях или в личку. Подписывайтесь на телеграм-канал Машин Learning и не забудьте поделится с друзьями новыми знаниями.
