Odstranění rozmazání pomocí dvou snímků s různou délkou expozice
Odstranění rozmazání pomocí dvou snímků s různou délkou expozice
diploma thesis (DEFENDED)
![Document thumbnail](/bitstream/handle/20.500.11956/39875/thumbnail.png?sequence=8&isAllowed=y)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/39875Identifiers
Study Information System: 122318
Collections
- Kvalifikační práce [11266]
Author
Advisor
Referee
Horáček, Jan
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Distributed systems
Department
Department of Software Engineering
Date of defense
28. 5. 2012
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
English
Grade
Excellent
Keywords (Czech)
krátká a dlouhá, expozice, odstranění rozmazání, šum, odšumení, dekonvoluceKeywords (English)
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.