So-net無料ブログ作成

超解像について [はじめに]

 今日は、超解像について話してみたいと思います。

超解像1.JPG

 超解像でネットで検索してみると『再構成型』と『学習型』って出てくると思いますけど、何のことか?さっぱりわからないと思います。学会等で一種の宗教論争のようにも。あとエンハンサーやシャープネスとの違いも良くわかりませんね。そこで私なりの理解を説明したいと思います。

 再構成型と呼ばれているのは、簡単に言うと、過去や近傍から近い画像を探してきて、そのデータから画像を埋めることのようです。確かにこの方法ならば解像度は向上しますが、ただこの方法の欠点は、探してきた画像が正しいことが前提になります。これが結構間違うのですよ。

 次に学習型と呼ばれるものは、これ私20年ほどやっていますが、この方法は一番画質がいいと思います。波形パターンなどに分類して、統計的に確からしい値を予測します。この方法は厳密に言うと解像度は上がりませんが、帯域劣化による解像感は向上します。


 超解像とは、

一般的には、帯域を上げる技術

 と言われていますが、

個人的には、ボケを取る技術

 と思っています。

一言にボケと言っても
いろいろあります。
・サンプリング時の帯域制限によるボケ
・レンズのMTFによるボケ
・光学LPFによるボケ
・小絞り(回折)ボケ
・ピンボケ
・動きボケ
・ホールドボケ

各々のボケのモデルを解く事が超解像だと思っています。


 この学習型超解像を回折ボケの除去に応用して例を次に説明します。

超解像2.JPG

回折ボケをほぼ完璧に戻せることがわかります。
この場合はアップコンバータのように画素補間を行わなず、情報が少し残っているので、帯域劣化のみ復元できれば、ほぼ元通り戻すことが出来ます。

では、編集機やカメラの設定に付いているエンハンサーやシャープネスと何が違うの?って良く聞かれるのですが、

超解像3.JPG

エンハンサーやシャープネスは要はmatlabの窓関数うんぬんの話で、要は上図のような考え方で、高解像度画像を予測しています。簡単に言うと隣接画素は相関があるでしょ。だから緑の部分と同じと思って引いてあげると赤が残ります。それを繰り返していくと何十タップも繰り返すとSNが向上して行くでしょ。という考え方です。でもこの理論の大前提は、隣接画素に相関がある場合に成り立つのですが、画像ですから相関がない場合も十分あります。なの強力な光の周辺はリンギングなどの劣化が起こるのです。
nice!(0)  コメント(0) 

nice! 0

コメント 0

コメントを書く

お名前:
URL:
コメント:
画像認証:
下の画像に表示されている文字を入力してください。

この広告は前回の更新から一定期間経過したブログに表示されています。更新すると自動で解除されます。