使用Deconvlucy.
使用加速,衰减,露西 - 理查森算法去布解图像的功能。该算法最大限度地提高了所得图像的可能性,当用PSF卷积时是模糊图像的实例,假设泊松噪声统计。当您了解PSF时,此功能可以有效,但是关于图像中的添加剂噪声很少。
这Deconvlucy.
功能实现了多种适应原始的Lucy-Richardson最大似然算法,用于解决复杂的图像恢复任务。
噪音放大是最大似然方法的常见问题,试图尽可能地拟合数据。在许多迭代之后,恢复的图像可以具有斑点外观,特别是对于以低信噪比观察到的平滑对象。这些斑点不代表图像中的任何实际结构,而是拟合图像中的噪声的文物。
控制噪声放大,Deconvlucy.
功能使用阻尼参数,Dampar.
。该参数指定来自原始图像的结果图像的阈值级别,下面发生阻尼。对于偏离原始值附近的像素,侦听被抑制。
阻尼也用于减少铃声,在恢复图像中的高频结构的外观。振铃不一定是噪声放大的结果。看避免在去树下图像中振铃想要查询更多的信息。
现实寿命图像恢复的另一个复杂性是数据可能包括坏像素,或者接收像素的质量可能随时间和位置而变化。通过指定重量
争论与Deconvlucy.
函数,您可以指定图像中的某些像素被忽略。要忽略像素,请为元素分配零的权重重量
与图像中的像素对应的数组。
该算法基于来自邻域像素的信息收敛于错误像素的预测值。也可以容纳来自像素到像素(所谓的平场校正)的检测器响应的变化也可以容纳重量
大批。代替将1.0重量分配给好像素,可以根据平场校正的量指定分数值和对像素的重量。
电荷耦合器件(CCD)检测器中的噪声有两个主要组件:
光子计数泊松分布的噪音
具有高斯分布的读出噪声
Lucy-Richardson迭代本质上占第一种类型的噪音。您必须考虑第二种噪声;否则,它可以导致具有低级别的引起光子的像素以具有负值。
这Deconvlucy.
功能使用读出
输入参数以处理相机读取噪声。该参数的值通常是读出噪声方差和背景噪声的总和,例如来自背景辐射的数量。价值读出
参数指定了确保所有值都为正的偏移量。
如果在更精细的网格上完成,可以显着提高未采样的数据的恢复。这Deconvlucy.
功能使用子午
参数指定数据采样率,如果已知psf具有更高的分辨率。
如果向下采样的数据是图像采集期间相机像素分布的结果,则在每个像素率下观察的PSF可以用作更精细的网格PSF。否则,PSF可以通过在子像素偏移或通过光学建模技术处拍摄的观察来获得。该方法对于恒星图像(高信噪比)特别有效,因为恒星被有效地被迫在像素的中心。如果一个星形以像素之间居中,则它被恢复为相邻像素的组合。更精细的网格重定向了明星助焊剂将星源的扩散回到明星形象的中心。
这Deconvlucy.
默认情况下,函数执行DeBlurring进程的多个迭代。您可以在一定数量的迭代后停止处理以检查结果,然后从处理停止的点重新启动迭代。为此,将输入图像传递为单元阵列,例如,{blurrednoisy}
。这Deconvlucy.
函数将输出映像返回为单元数组,然后可以作为输入参数传递给Deconvlucy.
重新启动解卷积。
输出单元阵列包含这四个元素:
元素 |
描述 |
---|---|
|
原始输入图像 |
|
由最后一次迭代产生的图像 |
|
通过旁边迭代产生的图像 |
|
使用内部信息 |