Algorithm 在平均之前对图像(数据?)堆栈进行线性规格化?
我正在编写一个应用程序,对一系列曝光进行平均/组合/叠加。这通常用于减少合成图像中的噪声 然而,为了优化平均/叠加,通常首先对曝光进行归一化。似乎这个过程为每个曝光分配权重,然后进行组合。我猜这个过程会计算每个图像的整体强度,因为其目的是匹配堆栈中所有图像的强度 我的问题是,我如何合并一个算法,使我能够规范化一系列图像?我想这个问题可以通过问“我如何规范一系列的阅读?” 我脑海中的轮廓如下:Algorithm 在平均之前对图像(数据?)堆栈进行线性规格化?,algorithm,image-processing,normalization,astronomy,Algorithm,Image Processing,Normalization,Astronomy,我正在编写一个应用程序,对一系列曝光进行平均/组合/叠加。这通常用于减少合成图像中的噪声 然而,为了优化平均/叠加,通常首先对曝光进行归一化。似乎这个过程为每个曝光分配权重,然后进行组合。我猜这个过程会计算每个图像的整体强度,因为其目的是匹配堆栈中所有图像的强度 我的问题是,我如何合并一个算法,使我能够规范化一系列图像?我想这个问题可以通过问“我如何规范一系列的阅读?” 我脑海中的轮廓如下: 计算参考图像的平均值 将每个帧的平均值除以参考帧的平均值 每个分区的结果是每个帧的权重 缩放/乘以一帧
- 计算参考图像的平均值
- 将每个帧的平均值除以参考帧的平均值
- 每个分区的结果是每个帧的权重
- 缩放/乘以一帧中的每个像素与该特定帧的权重
这对任何人来说都有意义吗?在过去的一个小时里,我一直在用谷歌搜索,但什么也没找到。还查看了亚马逊上各种图像处理书籍的索引,但也没有发现任何结果。每个集成都由信号和各种噪声组成-一些是时间独立的(例如偏置或CCD读出噪声),一些是时间依赖的(例如暗电流),还有一些是随机的(散粒噪声)。这样做的目的是去除噪声,保留信号。所以你首先用暗帧(包括暗电流、读出和偏置)减去“固定”源,留下信号和散粒噪声。信号按通量乘以曝光时间进行缩放,散粒噪声按信号的平方根进行缩放 因此,总的来说,信号/噪声按积分时间的平方根进行缩放(假设积分足够短,不会饱和)。因此,通过添加帧,您只需增加曝光时间,从而提高信噪比。你不需要先正常化
更复杂的是,还存在瞬态非高斯噪声(例如宇宙线撞击)。处理这些问题的技术有很多,但常见的是“西格玛剪裁”,在这里,您需要额外的过程来计算每个像素的平均值和标准偏差,然后拒绝与平均值存在许多标准偏差的异常值。真实信号将在平均值附近显示高斯波动,而瞬态将在堆栈的一帧中显示大偏差。也许你就是这么想的 是的,我确实在想Sigma Clip。我现在使用的是基于最小二乘法的归一化方法。I计算参考帧和待处理帧的像素之间的最佳匹配。这为我提供了每个像素的偏移和比例因子。我加上偏移量,然后乘以比例因子。最终得到的图像在背景水平和整体亮度上与参考帧匹配。到目前为止,它运作得相当好。