AlxisDataBlog-画像処理


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






PSF のスペクトルがわかればデコンボリューションは容易にできます。しかし、PSF はどのようにして知ることができるのでしょうか。


光学モデルに沿って計算していけば PSF を求めることは可能でしょう。アカデミックには良いのですが、実画像をこの PSF でデコンボリューションすると、あまり好ましい結果は得られません。実際の PSF は理論から大きくずれていることが珍しくありません。


PSF がずれる原因は、光学系設計の機械的な部分、光学素子の素材の物性的な部分、フォーカルプレーンまでの距離やスクリーン位置など work の部分、外部環境など多岐にわたります。したがって、PSF は実験的に知る必要があります。


例えば、汎用的ではないですが、点光源を観察すれば PSF を知ることができます。天文学ではガイド星を点光源と見立てて PSF を算出します。顕微鏡では蛍光ビーズを点光源として PSF を算出します。


また、近年の、光学機器の組み合わせ技術化に逆行しますが、光学系の製造時点で PSF を決めておくという方法もあります。


このような、あらかじめ PSF を知った状態での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と呼ばれます。ノンブラインド-デコンボリューションは PSF の取り方がニッチである故に普及率は悪いのですが、ノイズ対策を無視すれば充分高速であり実用的かもしれません。ただし、ノイズ対策をしているウィナーフィルタリングは遅く実用には向きません。この辺りのトレードオフは把握しておくべきでしょう。


一般的には、PSF はわからないという状態のままデコンボリューションは要求されます。このような PSF 未知のデコンボリューションを、ブラインド-デコンボリューションと呼びます。ブラインド-デコンボリューションは、デコンボリューションが必要な如何なる状況でも使え得るため汎用的に普及しているのかと思いきや、実は計算量の問題で壊滅的であるのが現実です。


デコンボリューションの研究は、技術開発という企業的な側面よりも応用研究という学術的な側面が強いと感じます。このような点がブラインド-デコンボリューションを実用化から遠ざけている要因ではないでしょうか。


ブラインド-デコンボリューション研究は 1970 年あたりからスタートしていますが、応用数学として扱われてきたため研究し尽くされた古い技術と勘違いされていることも、悲しいことです。(written by J.Nishigata)


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

ノンブラインド-デコンボリューションとブラインド-デコンボリューション

AlxisDataBlog-画像処理


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






画像によらず一般にデータの圧縮は、どんな状況で必要になるでしょうか。大きく分けて 2 種類あります。


状況1. ストレージを圧縮したい場合
状況2. 通信コストを下げたい場合


状況 1 は、或る程度の処理が終わった後のようなイメージ、非同期なイメージがあります。一方、状況 2 は、処理の途中のイメージ、同期なイメージがあります。


ここでは状況 2 の圧縮に関してお話をしていこうと思います。


処理の途中で通信が発生するということは、送信側のマシンリソースの不足が予想されます。不足しているというよりも、制限されていると考えた方が分り易いです。したがって相対的に受信側のマシンの方がリソースは充実しているのかもしれません。


このような状況では、RAW データの高い情報量を生かした処理を実行したいが、リソース制限のために送信せざるを得ない。しかし、RAW のままで高通信コストで送るわけにはいかず、圧縮せざるを得ない。このように、妥協を重ねた上での判断であろうと推測できます。


画像データが肥大化しつつある昨今では、画像処理を積極的に行なうための圧縮技術の開発も必要になってきます。光学系による劣化が原因で、画像の重要な周波数帯域は変化します。この帯域を正確に知り、圧縮前に増幅させておくことによって情報の劣化を最小限に抑えた圧縮が可能となるでしょう。(written by J.Nishigata)


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

ブラインド-デコンボリューションの計算量圧縮