Superposición y procesamiento de imágenes [cerrado]

Si superpongo una imagen (digamos A) con otra imagen (B) usando 50% de transparencia. ¿Es posible recuperar A sin saber qué es B? ¿La superposición de dosis dificulta la extracción del contenido original? Además, si hago un proceso en una imagen superpuesta, digamos que hago una detección de bordes en A # B (donde # significa superposición), entonces si encuentro los bordes en B, ¿es posible extraer el borde de la imagen A de A? #¿SI?

Gracias

Tengo que admitir que no veo el ángulo de la fotografía aquí. Pregunta interesante, pero me parece fuera de tema, me temo.

Respuestas (2)

En la literatura sobre visión artificial esto se llama "separación de imagen ciega", que es un caso especial de "separación de fuente ciega", ver:

http://scholar.google.co.uk/scholar?hl=en&q=%22blind+image+separation%22

El problema no es posible en el caso general. Digamos que las imágenes son solo un píxel. A # B = 42. ¿Puedes decirme qué es A sin saber B?

Se pueden obtener algunos resultados haciendo suposiciones sobre el contenido de A y B, pero este problema es muy difícil y los resultados no son sorprendentes.

Esta es una pregunta de procesamiento de imágenes y pertenece a stackoverflow, creo. Pero lo intento para aclarar el problema, sin embargo, debe tener en cuenta que mi visión por computadora y el conocimiento del procesamiento de imágenes es limitado.

Modo de superposición, es una combinación de modos de multiplicación y pantalla. En otras palabras, si el píxel en la imagen A es más oscuro que el 50% de gris, los píxeles de A y B se multiplican y, de lo contrario, sería un comportamiento de modo de mezcla de pantalla que es como un inverso de multiplicar (la imagen se ve más brillante). Es por eso que superponer una imagen consigo mismo, parece un aumento en el contraste. del artículo de Wikipedia de modos de mezcla :

ingrese la descripción de la imagen aquí

Ahora que tengo esto en mente, déjame hacerte un ejemplo. Voy a usar dos imágenes que son cortesía de este y de estos usuarios. Los encontré en la imagen de la página de la semana y los copié de sus parpadeos en + y + .

Estas son las imágenes superpuestas:

ingrese la descripción de la imagen aquí

El punto es que el ojo humano puede detectar que hay una foto de una flor y una foto de pájaros, pero me da miedo que los algoritmos CV no sean tan poderosos. Estos son los bordes extraídos de la primera imagen:

ingrese la descripción de la imagen aquí

Si abre estas dos imágenes en gimp u otros softwares de manipulación de fotos y prueba diferentes combinaciones, verá que puede extraer demasiada información útil sobre la otra imagen. El problema es que, según la definición que cité anteriormente, sobre la superposición, multiplicamos algunos valores de píxeles y esto simplemente puede causar la pérdida de ciertos datos. Aquí hay otro ejemplo:

Estas son las imágenes superpuestas:

ingrese la descripción de la imagen aquí

Y esta es la primera imagen:

ingrese la descripción de la imagen aquí

¿Puedes adivinar cómo se ve la imagen debajo? Aquí está:

ingrese la descripción de la imagen aquí

Como puede ver, incluso si tiene los bordes exactos de la primera imagen, ciertamente no puede decidir sobre la segunda imagen. Esto se debe a la naturaleza del modo de fusión de superposición.

__

Descargo de responsabilidad: lo que escribí anteriormente se basa en mi conocimiento limitado de CV y ​​puede haber técnicas que puedan resolver eficazmente sus problemas que no conozco.

PD Aquí están las imágenes originales de los ejemplos anteriores:

http://www.flickr.com/photos/akshaymhatre/6707573177/

http://www.flickr.com/photos/mikenz/5088355393/

"superposición" es un término general, que el interrogador define como una operación más simple simplemente tomando los valores de píxeles medios, el modo de fusión "superposición" de Photoshop es algo diferente.
@MattGrum veo tu punto. Pero como la pregunta se hace aquí en photo.shatckexchange, supuse que la superposición no es una simple operación de píxeles. Sin embargo, mi punto era sobre la pérdida de datos y creo (aunque no estoy seguro) que todavía se mantiene en la operación media.
La pérdida de datos es válida para ambos casos, pero el problema de los píxeles medios se ha estudiado ampliamente en el pasado y hay mucho material adicional sobre el tema.
Superposición y procesamiento de imágenes [cerrado]
RespuestasAquíPolítica de privacidad54y, 0v