¿Reducir la imagen mejorada mejora su calidad (en términos de desenfoque)?

Echa un vistazo a los siguientes diagramas:

La imagen original:

Imagen original

La imagen mejorada (2x, bilineal):

ingrese la descripción de la imagen aquí

En ambos casos, el primer elemento de la primera fila es la imagen de entrada. Hay su 2d fft al lado. Debajo hay una versión reducida de la imagen y su 2d fft. Observe la diferencia en la amplitud del espectro en ambos casos. Mientras que en el primer caso nada cambia, en el segundo el espectro en realidad mejora (era débil en primer lugar); quiero decir que hay más "peso" en las esquinas.

¿Es algún tipo de propiedad conocida? ¿Debo esperar que la imagen mejorada sea más nítida al reducirla?

¿Se supone que fft es algo generalmente conocido? Nunca he oído ese término en fotografía.
transformada rápida de fourier. Supongo que esto sería más adecuado para graphics.stackexchange.com

Respuestas (1)

En ambos casos se reducirá el desenfoque, solo que en el segundo caso puedes ver ese efecto más claramente desde el espectro de potencia en el espacio k. En general, cuando está reduciendo la escala, no solo reducirá el desenfoque, sino que también perderá pequeños detalles (debido a que mantiene el mismo tamaño de píxel, cualquier cosa que sea más pequeña que un píxel desaparecerá de la vista, absorbiéndose en el valor gris de ese píxel). Por lo tanto, no solo está modificando la escala, sino que también está promediando los detalles más pequeños.

Si solo estuviera cambiando la escala, entonces el ancho del espectro de potencia aumentaría correspondientemente. Ahora, eso es exactamente lo que sucede en el caso de la imagen obtenida al aumentar primero la escala de la imagen, ya que luego no está agregando nuevos detalles a la escala más pequeña.

¡Gracias por tu detallada explicación! Entonces, ¿hay alguna forma de utilizar este fenómeno para determinar si se cambió el tamaño de una imagen o no? Quiero decir que esto da muy buenos resultados si uso una imagen original como entrada y la versión mejorada de la misma. Lo que me molesta es que esas dos fotos no son del mismo tamaño. Si primero amplío la foto y luego la reduzco, el algoritmo ya no funciona. ¿O tal vez debería usar alguna Diferencia de Gaussianos, Entropía o algo más...? Estoy atascado.
Podría calcular la función de correlación entre píxeles vecinos. Puede hacerlo directamente, también puede extraerlos del powerspectrum. La transformada de Fourier del espectro de potencia le proporciona la función de autocorrelación. Luego, si la imagen se amplió a través de la interpolación, debería encontrar fuertes correlaciones entre los píxeles cercanos. Tenga en cuenta que todas las imágenes se escalan debido a la demostración, lo que hace que se correlacionen los vecinos más cercanos y los siguientes más cercanos. Pero a una distancia de dos píxeles, la correlación debería ser muy pequeña, a menos que se hiciera más escalado.
¡Eso suena genial! Pero, ¿hay alguna manera de hacer esto más relativo? Me refiero independiente del tamaño y tipo de imagen. Idealmente, este valor debería ser negativo para los no escalados y positivo para los escalados. Mi enfoque actual se basó en un hecho simple, que en la imagen ampliada hay menos frecuencias más altas en el espectro... pero si los píxeles están correlacionados, esto es algo similar, ¿sí? ¿Cómo es esto mejor que simplemente analizar el espectro? Quiero decir, espero que lo sea, pero me gustaría estar seguro :). ¿Esta técnica debería ser diferente para cada tipo de escala (bilineal, más cercana, lanczos, etc.)?
El espectro teórico cuando comienza con ruido blanco (que tiene un espectro de potencia uniforme) y luego aplica el aumento de escala utilizando algún método de interpolación dado, debería ser fácil de calcular. Puedo investigar esto...
¡Empezar con ruido blanco es una muy buena idea! Quiero decir que cualquier cambio en el espectro después de cambiar el tamaño de la imagen debería ser claramente visible. También lo probaré.
¿Reducir la imagen mejorada mejora su calidad (en términos de desenfoque)?
RespuestasAquíPolítica de privacidad1y, 0v