พารามิเตอร์ตัวกรอง Low-pass สำหรับการสุ่มตัวอย่างภาพ

ฉันต้องลดขนาดรูปภาพในปัจจัยของแนวนอนและแนวตั้ง ( , < )s y s x s y$s_x$$s_y$$s_x$$s_y$$1$

ฉันต้องการใช้ตัวกรองความถี่ต่ำก่อนการสุ่มตัวอย่าง$n\times m$

ฉันควรตรวจสอบพารามิเตอร์ low-pass filter (และแบบเกาส์ ) จะได้รับมันเป็นหน้าที่ของและ ?σ s x s $n, m$$\sigma$$s_x$$s_y$

โดยเฉพาะผมที่น่าสนใจในกรณีที่{2}$s_x=s_y=1/\sqrt{2}$

คุณต้องคิดถึงการเปลี่ยนแปลงความถี่ของ Nyquist ระหว่างภาพทั้งสอง หากความถี่ Nyquist ของภาพต้นฉบับเป็น N ภาพที่ลดลงจะมีความถี่ Nyquist ที่ต่ำกว่า xN โดยที่ x เกี่ยวข้องกับอัตราส่วนของขนาดระหว่างภาพสุดท้ายและภาพเริ่มต้น คุณจะต้องลบความถี่เชิงพื้นที่เหล่านั้นซึ่งสูงกว่า xN ในภาพต้นฉบับก่อนที่จะทำการสุ่มตัวอย่าง

สเปกตรัมพลังงานของ Gaussian ในพื้นที่รูปภาพเป็น Gaussian ในพื้นที่ความถี่ หากเราไม่สนใจมิติที่สองสักครู่เกาส์เซียนในพื้นที่รูปภาพจะถูกกำหนดเป็น exp (-x ^ 2 / s ^ 2) โดยที่ x แทนพิกเซลของคุณ สิ่งนี้ถูกแมปกับพื้นที่ความถี่เป็น exp (-w ^ 2 * s ^ 2) โดยที่ w คือความถี่ พารามิเตอร์ sigma แสดงว่า Gaussian แบบกว้างในพื้นที่รูปภาพสอดคล้องกับ Gaussian ที่แคบในพื้นที่ความถี่

คุณต้องการเลือกพารามิเตอร์ sigma ที่ให้ค่าต่ำมากในพื้นที่ความถี่ที่ความถี่ที่สอดคล้องกับความถี่ Nyquist ของภาพตัวอย่างลง

มันถูกแล้วชี้ให้เห็นว่าและจะได้รับเลือกขึ้นอยู่กับ\m $n$$m$$\sigma$

ฉันใช้เวลาคิดเกี่ยวกับวิธีเลือกดีที่สุด นี่คือการพิจารณาของฉัน tl; dr:บางทีฉันอาจทำผิดพลาด แต่ดูเหมือนจะเป็นทางเลือกที่ดีสำหรับการสุ่มตัวอย่างตามปัจจัยที่ 2σ 2 ≈ $\sigma$$\sigma^2\approx3.37$

หากคุณลดขนาดใหญ่ (เช่น 2x, 3x, 4x) คุณสามารถใช้ค่าเฉลี่ยของพิกเซลเพื่อให้เกิดการลดรอยหยักได้ดี นั่นเป็นสาเหตุที่ทำให้ anti-aliasing ใช้ CPU / GPU เพิ่มเติมจำนวนมากเพื่อทำให้วิดีโอเกมดูคมชัดขึ้น

เมื่อคุณเปลี่ยนจากภาพขนาด 1000x1000 ไปเป็นภาพขนาด 707x707 (เป็นเพียงตัวอย่างสำหรับตัวประกอบสเกล) คุณถูกต้องว่าการใช้นามแฝงอาจเป็นปัญหา

โชคดีที่ปัญหานี้เป็นปัญหาที่หลายคนประสบมาแล้วและได้ทำงานเพื่อแก้ไข ในหลายกรณีการแก้ไข bicubic เป็นวิธีที่จะไป มีตัวอย่างของวิธีการแก้ไขที่แตกต่างกันที่มีลักษณะดังนี้:

http://www.compuphase.com/graphic/scale.htm

การปรับขนาดของ OpenCV มีหลายวิธีในตัว:

http://opencv.willowgarage.com/documentation/cpp/geometric_image_transformations.html#cv-resize

หากคุณเล่นไปแล้วด้วยวิธีการแก้ไขหลายวิธีและวิธีนี้ไม่ได้ผลโปรดโพสต์ภาพตัวอย่างแหล่งที่มาและภาพตัวอย่างผลลัพธ์ที่แสดงถึงข้อบกพร่อง เราจะต้องใช้สิ่งนี้เพื่อวินิจฉัยปัญหาและลองแก้ปัญหาให้ดี

ฉันไม่มีคำตอบที่ดีสำหรับคุณ แต่นี่คือ 2 ตัวเลือกที่คุณสามารถลองได้:

• ในวิสัยทัศน์คอมพิวเตอร์นี้ปัจจัย rescaling มักจะจัดการโดยใช้ตัวกรอง Gaussian ของความกว้าง (พิกเซล) ระหว่างวันที่ 5 และ 9 คุณสามารถค้นหาที่สอดคล้องของเกาส์เพราะพิกเซลกว้างเป็นคลาสสิกเท่ากับ\3 $\sigma$$3 \sigma$
• หากคุณยินดีที่จะทำการคำนวณการสุ่มตัวอย่างสัญญาณอย่างละเอียดแล้วทำไมไม่ใช้การแปลงฟูริเยร์? ใช้ FFT ของภาพเก็บเฉพาะส่วนย่อยที่สอดคล้องกับขนาดเป้าหมายของคุณและกลับด้านการแปลง วิธีนี้จะใช้ตัวกรองการลบรอยหยักบนสเปกตรัมของคุณ หากมีสิ่งประดิษฐ์มากเกินไป (ระลอกเสียงกริ่ง) สำหรับคุณจากนั้นให้นำไปใช้กับสเปกตรัมของตัวกรอง Gaussian ที่มีความกว้างสอดคล้องกับขนาดเป้าหมายของคุณ

สำหรับเคสเคอร์เนล Gaussian แบบคลาสสิกในรูปแบบ 2D เป็นรูปแบบ: [1,2,1]T[1,2,1$s=1/\sqrt{2}$