МПФ прямая численная характеристика качества изображения.
Для большинства ОС характерно определенное качество изображения. Фотообъективы, фотолитография, контактные линзы, видеосистемы, факсимильная и копировальная оптика, линзы для считывания информации с компакт-диска – типичные примеры таких ОС.
Общепринятая мера качества – способность ОС передавать мелкие детали от объекта к изображению. Способность измеряется в терминах контраста (уровня серого) или модуляции, и это относится к ухудшению изображения идеального источника построенного линзой.
МПФ описывает структуру изображения, как функцию пространственных частот, получаемую как Фурье-преобразование от функции рассеяния точки. Однако, МПФ позволяет получить амплитудно-частотную характеристику, сходную с АЧХ для звука. Различные частотные компоненты могут рассматриваться и оцениваться отдельно.
Часто система строящая изображение создана для проецирования или захвата мелких компонентов объекта или изображения. Области применения в которых очень важно качество изображения или разрешающая способность могут использовать МПФ как меру передачи мелких деталей, таких как ширина линии или разрешение пикселя, или расстояние между колбочками на сетчатке.
К примеру видеосистема должна быть разработана таким образом, чтобы размер и положение изображения должны быть согласованными с плоскостью ПЗС. Ширина пикселя матрицы 6 мкм – соответствует частоте отсечки 83 лин/мм. В большинстве случаев, попытки преодолеть этот барьер безуспешны; т.о. разработка линзы с более высоким пространственным разрешением ненужна. [1]
4.2 Введение в вейвлеты
Фундаментальная идея вейвлетов – анализ согласно масштабу. Некоторые исследователи использующие вейвлеты считают, что это новый тип мышления, будущее обработки данных.
Вейвлеты – функции, которые удовлетворяют нескольким математическим условиям и используются в представлении данных или других функций. Их идея не нова. Аппроксимация при использовании суперпозиции функций существует с 1800 года, когда Джозеф Фурье открыл, что он может при помощи синусов и косинусов представить другие функции. Однако, в вейвлет-анализе масштаб используемый при представлении данных играет особую роль. Вейвлет-алгоритм обрабатывает данные при разных масштабах или разрешениях. Если мы посмотрим на сигнал через «маленькое окно», мы отметим мелкие детали. Если мы посмотрим на сигнал через «большое окно», мы отметим крупные детали. Особенность вейвлет-анализа состоит в том, что мы видим, и лес, и деревья, так сказать.
Это делает вейвлеты интересными и полезными. Многие десятилетия ученые хотели использовать другие базовые функции, чем синусы и косинусы для Фурье-анализа, для аппроксимации волнистых сигналов. По их определению, эти функции не локальные (и растягиваются до бесконечности). Они делали «дурную работу» аппроксимируя резкие всплески. Но при помощи вейвлет-анализа, мы можем использовать аппроксимирующие функции имеющие границы существования. Вейвлеты хорошо подходят для аппроксимации данных с резкими сосредоточенными неоднородностями.
Процедура вейвлет-анализа состоит в адаптировании вейвлет-прототипа, называемого анализирующим вейвлетом или вейвлет-предок. Временной анализ проводится с сжатым, содержащим высокие частоты вейвлетом-прототипом, а частотный анализ – проводится с расширенным, низкочастотным тем же самым вейвлет-прототипом. Потому что исходный сигнал может быть представлен в терминах вейвлетов (используя коэффициенты в линейной комбинации вейвлет-функций), операции с данными могут быть выполнены используя только соответствующие вейвлет-коэффициенты. И если вы выберете лучший вейвлет адаптированный к вашим данным или отсечете коэффициенты ниже порога, ваши данные будут представлены выборкой. Это кодирование делает вейвлеты превосходным инструментом в области сжатия данных. [4]
4.3 Реконструкция изображений
Наиболее привлекательное свойство вейвлет-преобразований состоит в том, что они подходят для анализа при различных разрешениях и это может предотвратить блокирующий эффект. Основная идея мультиразрешения – разделить исходное изображение на несколько подызображений с коэффициентом 8, и затем, анализировать их отдельно. Этот процесс сходен с распознаванием образов.
Гроссман, Морлет и Мейер разработали математическую вейвлет-теорию. Эта теория была соединена с квадратурным зеркальным фильтром для поддиапазонного кодирования Давбеши и Вайдханатана. Давбеши представила ортогональные вейвлеты основанные на итерациях дискретных фильтров. Вайдханатан представил хорошо организованные результаты КЗС теории. Бурт и Адельсон предложили пирамиду Лапласиана для использования в качестве кодирующей схемы, как древовидное представление ортогонального изображения.
Для конструирования эффективной кодирующий системы на основе вейвлет-теории нужно выполнить 2 основных шага. Первый – выбор оптимального вейвлет-базиса для входного сигнала, и второй – разработка алгоритма кодирования для вейвлет-теории. Рамшандран и Ветерли использовали вейвлеты для достижения самого эффективного базиса основанного на дисторсии заданного изображения. Тевфик предложил метод для поиска оптимального вейвлета для входного сигнала используя вейвлет Помена имеющий некоторые степени свободы. Антонини разработал биортогональный сплайновый вейвлет-фильтр работающий очень хорошо и быстро. [13]
5 Камеры
5.1 Модель ПЗС камеры и ее применение
Приборы с зарядовой связью (ПЗС) часто используются в качестве приемников в оптико-цифровой обработке изображений и оптических измерениях. Если эти устройства подключены к стандартной плате ввода изображения (захватчик кадров) и используются для точного пространственно-энергетического описания светового сигнала, то доскональное понимание режима работы системы необходимо, т.к. в этом случае система не является пространственно инвариантной.
Модуляционная передаточная функция (МПФ) и функция передачи контраста (ФПК) являются общепринятыми для анализа импульсного отклика оптических приборов в области пространственных частот. Эти методы были дополнены для применения к дискретным приемным системам таким, как ПЗС-камеры. МПФ используются для характеристики физических лимитов разрешения оптической системы, однако, она не подходит для точного восстановления входного аналогового изображения захваченного ПЗС камерой, особенно в случае изображений содержащих высокие пространственные частоты, т.е. близкие к половине частоты выборки. [5]
5.2 Радужная 3D камера
Наша радужная 3D камера позволяет получить непрерывное полнокадровое 3D изображение, что не достижимо для других доступных на данный момент коммерческих 3D систем при любой их стоимости. Уникальные свойства нашей радужной камеры следующие:
- радужная 3D система имеет унаследованное свойство захвата полнокадрового 3D изображения (256´256, 512´512, 1024´1024 за кадр) от ПЗС камеры (при скорости 60 кадров/сек);
- не существует теоретического лимита по скорости (т.е. как много кадров в секунду) захвата кадров нашей 3D системой. При современных достижениях технологии ПЗС камер, 3D изображающая система основанная на 3D радужном концепте с частотой более чем несколько тысяч кадров в секунду может быть реализована. Это свойство очень подходит для высокоскоростных задач и систем реального времени, таких как краш-тесты;
- в отличие от 3D сканирующей лазерной системы, в нашей системе отсутствуют механические подвижные части, т.е. конструкция будет существенно проще и надежнее, также отсутствует проблема безопасности зрения. Система может быть сконструирована очень «резко» для работы в нескольких помещениях для быстрой установки;
- радужная 3D камера может быть интегрирована, используя имеющиеся под рукой устройства, что приводит к очень низкой стоимости и короткому времени производства;
- радужная камера также может предоставить нормальную 2D картинку интенсивности объекта используя одну камеру. Это достигается контролированием освещения или соответствующими процедурами обработки изображений. 3D изображения и 2D изображения интенсивности получены при помощи одной и той же камеры, позволяют получить полную картину и существенно улучшают распознавание образов и т.д. в системах машинного зрения.
[6]
5.3 Высокоскоростная камера высокого разрешения
Оптическая томография – это интерферометрическая техника обработки изображений, которая позволяет получать изображения внутренних биологических тканей. В стандартном временном исполнении, положением зеркала осуществлялось сканирование, чтобы получить глубинный профиль образца. Альтернативный метод получения этой информации – используя спектральную плотность взаимнокорреляционной функции реконструировать интерферограмму, детектируя интерференционный сигнал, как функцию длины волны. Спектральная томография также известна, как FD-OCT, не имеет необходимости в модуляции длины опорного плеча и следовательно имеет больший потенциал для высокоскоростных приложений. Несмотря на то, что этот метод был предложен и продемонстрирован, только недавно было показано, что SD-OCT может предоставить лучшую чувствительность, чем временной метод.
В этом отчете мы продемонстрировали SD-OCT с рабочим циклом 98% при использовании высокоскоростной камеры с захватчиком кадров. Заряд передается от фотодиода в регистр хранения ПЗС за 700нс, занимая 2% времени строчной развертки 34,1мкс. Шумовые характеристики и зависимость глубины от чувствительности были предоставлены. Частота захвата кадров составила 29кадров/сек, частота выводимого изображения – 10кадров/сек. 3-ехмерная реконструкция изображения сетчатки была реализована из накопленных данных. [11]