Odstranění rozmazání pomocí dvou snímků s různou délkou expozice
Odstranění rozmazání pomocí dvou snímků s různou délkou expozice
diplomová práce (OBHÁJENO)
![Náhled dokumentu](/bitstream/handle/20.500.11956/39875/thumbnail.png?sequence=8&isAllowed=y)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/39875Identifikátory
SIS: 122318
Kolekce
- Kvalifikační práce [11266]
Autor
Vedoucí práce
Oponent práce
Horáček, Jan
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Distribuované systémy
Katedra / ústav / klinika
Katedra softwarového inženýrství
Datum obhajoby
28. 5. 2012
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
krátká a dlouhá, expozice, odstranění rozmazání, šum, odšumení, dekonvoluceKlíčová slova (anglicky)
long and short, exposure, image deblurring, noise, denoising, deconvolutionV předložené práci studujeme metody odstranění rozmazání pomocí dvou snímků stejné předlohy s různou dobou expozice, přičemž se soustředíme na dvě hlavní kategorie těchto metod, tzv. dekonvoluční a nedekonvoluční. U obou kategorií rozebíráme jejich teoretické základy a zkoumáme jejich výhody a omezení. Samostatnou kapitolu věnujeme vyhodnocení a srovnání kategorií metod na testovacích datech (obrázky), k testování používáme metody implementovány v jazyce MATLAB. Účinnost zkoumaných metod srovnáváme i s vybraným odšumovacím algoritmem pracujícím s jedním vstupním obrázkem. Nesoustředíme se na výpočetní složitost srovnávaných algoritmů a pracujeme pouze se šedotónovými obrázky.
In the presented work we study methods of image deblurring using two images of the same scene with different exposure times, focusing on two main approach categories, the so called deconvolution and non-deconvolution methods. We present theoretical backgrounds on both categories and evaluate their limitations and advantages. We dedicate one section to a comparison of both method categories on test data (images) for which we use a MATLAB implementation of the methods. We also compare the effectiveness of said methods against the results of a selected single- image de-noising algorithm. We do not focus at computational efficiency of algorithms and work with grayscale images only.