Как с помощью вычислений смоделировать выходные данные идеализированного датчика с учетом его передаточной функции модуляции?

Допустим, у меня есть оптический датчик с разрешением N на M, и я хочу смоделировать выходные данные такого датчика с учетом другого изображения, разрешение которого в несколько простых раз превышает разрешение моего датчика. Я хочу, предполагая сценарий с идеализированной линзой, смоделировать выходной сигнал такого датчика, если мы знаем Функция передачи модуляции (MTF) датчика. Какова процедура использования такой функции для фактического моделирования выходных данных датчика с учетом гипотетического входного изображения и разрешения датчика? Есть ли вообще смысл это делать/возможно ли вообще?

Должен ли я заранее вычислять пространственную частоту изображения? если так, я бы не понял, что это будет означать логически/физически. я бы просто вычислял контраст между каждым пикселем или что-то в этом роде? Я даже не могу понять, как можно выполнить преобразование от ввода к выводу с помощью MTF, поскольку ввод требует пространственной информации из мира.


computer-vision vision image-processing simulation modeling
person Krupip    schedule 30.03.2017    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Теперь я понимаю, как с помощью вычислений смоделировать выходные данные идеализированного датчика с учетом его передаточной функции модуляции.

Передаточная функция модуляции является мерой различимого контраста или функцией различимой пространственной частоты на расстоянии от датчика. MTF находится в частотной области и не содержит сложного фазового компонента (то есть функция оптического переноса< /а>). MTF = прямое преобразование Фурье функции распределения точек. Функция рассеяния точки моделируется в вычислительном отношении как ядро ​​двумерного размытия, поэтому наша цель здесь — передать MTF в PSF (также известное как ядро ​​​​размытия, мера того, как свет распространяется от источника на изображении, что-то, что работает как ядро Гаусса).

Для этого необходимо выполнить обратное преобразование Фурье на MTF, это даст вам нужный PSF, и вы можете использовать его в обоих направлениях (применить вертикальное и горизонтальное ядро ​​к одному изображению). MTF могут быть заданы в виде функции или массива циклов/величины. Если задана функция, вам нужно будет преобразовать ее в массив циклов/величины, выбрать циклы, для которых вы хотите найти величину пространственной частоты, и подставить значения в MTF. Затем на этот массив пар цикл/величина может воздействовать IFFT, что приведет к PSF, который вы можете использовать в вычислениях.

Кроме того, вы можете перенести ваше входное изображение в частотную область, чтобы напрямую применить MTF, хотя, если потребуется выполнить какие-либо другие пространственные вычисления, вам нужно будет преобразовать его обратно.

person Krupip    schedule 06.04.2017