Введение
Алгоритм повышения качества изображения в области визуализации
В области визуализации разность гауссиан (DoG) — это алгоритм повышения качества изображения, который заключается в вычитании одной версии исходного изображения, размытой по Гауссу, из другой, менее размытой версии того же изображения. В простом случае для изображений в оттенках серого размытые изображения получаются путем свертки исходных изображений в оттенках серого с гауссовыми ядрами различной ширины (стандартных отклонений). Размытие изображения с использованием гауссова ядра подавляет только высокочастотную пространственную информацию. Вычитание одного изображения из другого сохраняет пространственную информацию, находящуюся в диапазоне частот, сохраняемых в двух размытых изображениях. Таким образом, DoG является пространственным полосовым фильтром, который ослабляет частоты в исходном изображении в оттенках серого, удаленные от центра полосы.
In imaging science, difference of Gaussians (DoG) is a feature enhancement algorithm that involves the subtraction of one Gaussian blurred version of an original image from another, less blurred version of the original. In the simple case of grayscale images, the blurred images are obtained by convolving the original grayscale images with Gaussian kernels having differing width (standard deviations). Blurring an image using a Gaussian kernel suppresses only high frequency spatial information. Subtracting one image from the other preserves spatial information that lies between the range of frequencies that are preserved in the two blurred images. Thus, the DoG is a spatial band pass filter that attenuates frequencies in the original grayscale image that are far from the band center.
Подробности и применения
В качестве алгоритма улучшения изображения разность гауссиан может быть использована для повышения видимости границ и других деталей на цифровом изображении. Широкий спектр альтернативных фильтров для повышения резкости работает за счет усиления высокочастотных деталей, однако поскольку случайный шум также обладает высокой пространственной частотой, многие из этих фильтров имеют тенденцию усиливать и шум, что может быть нежелательным артефактом. Алгоритм разности гауссиан подавляет высокочастотные детали, которые часто включают случайный шум, что делает его одним из наиболее подходящих для обработки изображений с высоким уровнем шума. Основным недостатком применения алгоритма является неизбежное снижение общего контраста изображения в результате операции. Лапласиан гауссиана полезен для обнаружения границ, проявляющихся в различных масштабах изображения или при разной степени фокусировки. Точные значения размеров двух ядер, используемых для аппроксимации лапласиана гауссиана, определяют масштаб результирующего изображения разности, которое может получиться размытым. Разность гауссиан также применялась для обнаружения областей в преобразовании масштабно-инвариантных признаков. Фактически, DoG, как разность двух многомерных нормальных распределений, всегда имеет нулевую сумму, а свертка с однородным сигналом не дает отклика. Он хорошо аппроксимирует вторую производную гауссиана (лапласиан гауссиана) при K~1.6 и рецептивные поля ганглиозных клеток сетчатки при K~5. Его можно легко использовать в рекурсивных схемах, и он применяется в качестве оператора в алгоритмах реального времени для обнаружения областей и автоматического выбора масштаба.
Дополнительная информация
Считается, что в процессе работы алгоритм разности Гаусса воспроизводит то, как нейронная обработка в сетчатке глаза выделяет детали из изображений, предназначенных для передачи в мозг.