AlxisDataBlog-画像処理


MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






本来の説明の順序では、ブラインド-デコンボリューションの説明をしてから製品の話題に移行する予定でした。順序が前後する箇所は予習だと思って読み替えてください。今回から複数回に渡りプロダクトの話をします。


これまで様々な独自技術について説明してきました。その中でもデコンボリューション関連の技術とプロダクトの紐付けをやっておこうと思います。


最初に登場した独自デコンボリューションは、ノンブラインド-デコンボリューションでした。これに紐付く製品は「Discovery Replacement for Unsharp-Mask」です。ノンブラインド-デコンボリューションは PSF を仮定的に固定して使うため、実際の PSF と比較するとズレています。そのため効果はデコンボリューションとアンシャープマスクの中間的なものになります。


続いて登場したのはブラインド-デコンボリューションでした。幾つかの課題に分けて説明していきましたね。独自ブラインド-デコンボリューションは総じて「RING」と製品名が接頭に付きます。RING は Restoration with Integral Geometry の略称です。


PSF の形状に関するブラインド-デコンボリューションに紐付く製品は「RING1 High-Speed」です。この製品ではコスト関数の領域 $\Omega$ を画像全体若しくは任意の点の近傍で指定することができます。


PSF の形状だけでなく径に関しても未知としたブラインド-デコンボリューションに紐付く製品は「RING2 Auto Calibration」です。


画像をタイリングして各タイルに対してコスト関数を計算するという、RING1 High-Speed を改良した製品は「RING3 Dynamics」です。


タイリングによる改良を RING2 Auto Calibration に実施した製品は「RING4 Full-Focus」です。


前々回紹介した、デコンボリューションと圧縮技術を両立させるための前半部分すなわちラプラシアンの冪級数部分を製品化したものは「RING Codec」です。


ノイズ対策、アーチファクト対策、画素補間との組み合わせ等は全ての RING 製品に共通して実装されています。我々が現在提供しているデコンボリューション関連のプロダクトは以上です。我々の製品は従来のデコンボリューションの抱える数多くの課題を鮮やかに解決した実用性の高いものになっています。なお、ユーザにとっては残念かもしれませんが、遮断周波数による分解能の課題を解決したブラインド-デコンボリューションは、極一部の共同研究用途以外には提供していません。


ただし、仮の製品名は有るので紹介しておきましょう。「RING5 Ultimate」が遮断周波数の問題を解決したデコンボリューションです。RNG5 Ultimate が製品化された際は是非ラディカルイノベーションの効果を体験していただければと思います。


今回紹介した技術以外にも独自の技術は多数あります。これらに関しては現状の製品化予定はありませんが共同開発という名目で組み込んでいくことが可能です。(written by J.Nishigata)


Copy Right 2020-現在 ALXIS DATA, Inc. All Right Reserved.

研究テーマで説明するプロダクト紹介

AlxisDataBlog-画像処理


MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






デコンボリューションの前提条件となっている畳込みモデルによって入力画像の要件が決まっています。ここでは、推奨している仕様と極力避けたい仕様についてまとめていきたいと思います。


まず、モノクロ/カラーについて。モノクロセンサで撮像した画像を推奨しています。一般的なカラー画像はベイヤーパターンによって撮像しているため、単位ピクセルに含まれるチャンネルの内 2 チャンネル分は周辺のピクセルから補間した値が入っています。補間した分だけ畳込みモデルからズレるわけですね。なお、3CCD のような各チャンネルを分光して得られる画像であれば問題ありません。


続いて、ビット深度について。BMP 等の汎用的なフォーマットでは各チャンネル 8 ビットの深度がありますが、極力大きな深度、例えば 16 ビットの TIFF 画像のようなものを推奨しています。カメラ API の多くは 10 ビットや 12 ビットで撮れる関数があるので、極力このような API を活用してビット深度を深くとりましょう。


続いて、ビットの埋まり方について。極力埋まっている画像の方が良いです。8 ビットから機械的に 16 ビットへ変換した画像は間の埋まっていないスカスカの分布になり好ましくありません。狭い範囲に偏差したビットの分布も好ましくありません。ヒストグラムで確認するようにしましょう。


白飛び・黒潰れについて。特に畳込みモデルから乖離してしまう原因として白飛びが挙げられます。極力避けたいですね。白飛びの有無に関してもヒストグラムで確認できるので試してみてください。


ガンマ値について。センサに印加している光子数と輝度が線形応答になっていることを推奨します。この点は拘りだすとキリがないので、区分的に線形応答であれば概ね良しとします。


圧縮について。無圧縮若しくは可逆圧縮画像を推奨しています。不可逆な圧縮画像にはモスキートノイズやブロックノイズ等が含まれており畳込みモデルから乖離します。


SNR について。SNR は高いに越したことはないのは説明不要でしょう。


手振れについて。手振れは畳込みモデルに含まれるのですが、残念ながら RING は手振れに対応していません。手振れは解消しませんので注意してください。


収差について。RING の前提条件に「回転対称な PSF」というものがありましたね。厳密に回転対称でなければならないわけではないのですが、極力回転対称であることを推奨しています。球面収差や軸上色収差は問題ありませんが、その他のコマ収差・非点収差・倍率色収差には対応していません。なお、像面湾曲に関しては 256 四方の領域で PSF が一様であると見なせるのであれば問題ありません。


被写界深度について。ROI が被写界深度内に収まっていることを推奨しています。被写界深度の内側と外側の像が重なり合ってしまうと PSF の算出に失敗して上手くいきません。


前処理の有無について。余計な処理を実行してしまうと畳込みモデルから乖離してしまう可能性があります。前処理と RING の相性を確認して、余計な処理をやらないようにしましょう。


かなり多くの要件を挙げてしまいましたが、恐らくすべての要件を満たすことは困難でしょう。しかし、できるだけ多くの要件を満たすように注意を払えば、必ず RING は効果的に動作します。


最後に最も重要なことですが、入力画像に対してどのような出力画像が得られるのかイメージをもつことが重要です。デコンボリューションのイメージ・分解能が改善するイメージをもってください。(written by J.Nishigata)


Copy Right 2020-現在 ALXIS DATA, Inc. All Right Reserved.

デコンボリューションアルゴリズム「RING」の提供形態の紹介