Software měření ostrosti v termálním spektru

Sharpness measurement in thermal spectrum

Software

Tento balík může být využit k měření koeficientů ostrosti, které jsou počítány z obrazů zachycených v termálním spektru. Na základě těchto koeficientů je možné sestavit křivku ostrosti, kterou lze využít k posuzování ostrosti analyzovaného obrazu. Měření ostrosti založené na těchto funkcích musí splňovat tyto podmínky: 1. Musí být nezávislé na obsahu obrazu. Nicméně na druhou stranu, čím více detailů obraz obsahuje, tím snadnější musí být ostření. 2. Monotónní v závislosti na rozostření. Jestliže se přesuneme z pozice optimální ohniskové vzdálenosti, křivka ostrosti by měla monotónně klesat. To by se mělo dít jak při zkracování, tak při prodlužování ohniskové vzdálenosti. 3. Křivka ostrosti musí mít pouze jedno maximum (globální i lokální maximum se musí shodovat). Toho lze snadno dosáhnout v případě, že jsou všechny objekty na scéně stejně vzdáleny od snímače, v případě různých vzdáleností se na křivce ostrosti vyskytuje několik lokálních maxim. Pak je nutné vybrat to, které odpovídá objektu, který by měl být na obrazu ostrý. 4. Velké změny hodnoty koeficientu ostrosti v závislosti na úrovni rozostření. Díky tomu je možné dosáhnout velmi výrazné špičky u křivky ostrosti. 5. Minimální výpočetní náročnost. V případě měření koeficientu ostrosti v reálném čase by měla být odezva funkce co nejrychlejší. 6. Robustnost vůči šumu: i za přítomnosti šumu by měl koeficient ostrosti nabývat stejných hodnot. Je nutné zdůraznit, že na šum jsou poměrně náchylné obrazy ve viditelném a infračerveném spektru, jelikož jsou závislé na osvětlení. V případě termálních obrazů však výsledek akvizice není osvětlením ovlivněn a tudíž nelze pozorovat velké zkreslení šumem. Na základě těchto požadavků byly v programovém balíku implementovány tyto funkce: Rozptyl Jedná se o jednoduché měření ostrosti. Rozostřené obrazy nabývají nižšího rozptylu než obrazy ostré. Energie obrazového gradientu Tato energie je založena na vertikálních a horizontálních gradientech obrazu. Tenengrad Toto měření je založeno na Sobelově operátoru. Energie Laplaceova operátoru Součet modifikovaných Laplaceových operátorů Bylo dokázáno, že v případě Laplaceova operátoru mohou mít druhé derivace ve vertikálním a horizontálním směru opačná znaménka a tudíž se mohou vyrušit. Proto byl navržen koeficient zvaný součet modifikovaných Laplaceových operátorů, který tuto nevýhodu potlačuje. Prostorová frekvence Prostorová frekvence je modifikovanou verzí energie obrazového gradientu. Všechny funkce jsou napsány v prostředí MATLAB. Ke správnému použití vyžijte nápovědu příkazem "help nazev_funkce". Programový balík obsahuje rovněž skript, který demonstruje použití jednotlivých funkcí.

This toolbox contains functions that can be used for the measurement of sharpness coefficient which is calculated from the image in thermal spectrum. According to these coefficients it is possible to get the sharpness curve which is useful for the evaluation of the amount of blur contained in the image. Focus measure based on these functions should satisfy these requirements: 1. It should be independent of image content. However, if the image contains a large amount of thin details, it is easier to focus. 2. Monotonic with respect to blur. If we move away from the optimal focus position, the focus measure should decrease monotonically. Typically this will happen when moving the focus in both directions (left and right). 3. The focus measure must be unimodal, that is, it must have one and only one maximum value. While this is simple for "flat" scenes, this cannot be true for scenes with objects at different focal distances. For instance, if the nearer object if focused, the most distant will be blurred and vice versa. However, computational photography methods let to combine multi-focus images. 4. Large variation in value with respect to the degree of blurring. This will permit a sharp peak (maximum focus value). 5. Minimal computation complexity. For real time image acquisition the feedback about the focus measure should be obtained as quickly as possible. 6. Robust to noise: In presence of noise the maximum focus value should be stable and unique. In this aspect is important to emphasize that near infrared and visible images are sensible to illumination conditions. If illumination is not good enough, the image would be noisy. However, thermal cameras are not affected by illumination because they acquire the heat emission, not the illumination reflection. According to these requirements we have implemented in toolbox these functions: Variance This is a very simple measure. Blurred images have smaller variance than focused one. Energy of image gradient The energy of image gradient is based on the vertical and horizontal gradients of the image. Tenengrad This measure is based on the gradient magnitude from the Sobel operator. Energy of Laplacian Sum-modified Laplaciens It has been noted that in the case of the Laplacian the second derivatives in the x- and y-directions can have opposite signs and tend to cancel each other. Therefore, there was proposed the sum modified Laplacian. Spatial Frequency The spatial frequency is a modified version of the energy of image gradient. All functions in this toolbox are written in MATLAB. To see how to use them please type "help function_name". Toolbox contains also an example script demonstrating the use of functions.

Sharpness coefficient, thermal spectrum, image sharpness measurement

Sharpness coefficient, thermal spectrum, image sharpness measurement

http://splab.cz/ke-stazeni/software/software-mereni-ostrosti-v-termalnim-spektru

only the provider uses the result

In order to use the result by another entity, it is always necessary to acquire a license

http://splab.cz/ke-stazeni/software/software-mereni-ostrosti-v-termalnim-spektru