iv_backproject_superres — 2D `restoration` op

• Datenarten: image → image

• Aufruf: fullseye.apply(img, "iv_backproject_superres", a=0.5, b=0.5) (das 2-D-Modell ist ein Bild plus zwei skalare Regler a,b∈[0,1])

iv_backproject_superres: 入力 → 出力

*Die Abbildung ist die tatsächliche Ausgabe auf einer synthetischen 128×128-Eingabe. Links Eingabe, rechts Ausgabe (ein Nicht-Bild-Rückgabewert wird als Wert gezeigt).*

Verwendung

Iterative Rückprojektions-Superresolution für ein Einzelbild (Irani-Peleg). Hochskalierung auf ein feineres Gitter, Simulation der niedrig aufgelösten Beobachtung durch Unschärfe und Herunterskalierung, Rückprojektion des Residuums in das feine Gitter und anschließende Herunterskalierung der konsistenten Schätzung zurück auf HxW. Nettoeffekt: Hochfrequenzdetails werden verstärkt (Schärfung durch Konsistenz). `a legt die Iterationsanzahl n = 1 + round(a*4) (1..5) fest; b` legt die Schrittweitenverstärkung der Rückprojektion g = 0,5 + b (0,5..1,5) fest.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie gallery2d_smoothing_rank

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

In Studio ausprobieren

Das Programm unten ist nachweislich lauffähig (gleiche Eingabe wie die Abbildung). In der Studio-Hilfe wird dieser Block zu Schaltflächen, die es sofort laden und ausführen.