|
研究人员公开一种影像处理技术，可让因相机震动而模糊的照片恢复清晰。
这种技术所根据的演算法，可推演出相机震动时的拍照路径，然后利用该路径逆转大部分的模糊影像。这种方法并非绝对有效，但麻省理工学院（MIT）和多伦多大学的研究员在各种样本影像上的使用效果相当显著。
其中一个样本是一只黑、白和赭色相间的鸟，影像模糊到无法识别出鸟掌的样子。处理过后，不仅鸟掌清晰可辨，还可看清鸟眼旁的暗斑、黑色羽毛间的白纹和其他细节。
MIT首席研究员Rob
Fergus上周在Siggraph电脑图像会议后表示：“这是自然影像统计数据首次成功地用在清晰化影像。”参与的研究员已为这项程序申请专利。
Fergus说，新技术使用一种描述照片由光转换到暗的统计特性，一般需要10到15分钟。该特性与所有实体世界影像相同，因此，通过抓出特定影像的不同处，该程序可以推算相机的动作。
影像处理是一门大生意，其中一大部分是修补人为和相机的错误。影像编辑软件产品，甚至某些相机本身就可解决闪光灯造成的红眼问题，防手震功能也是近来新相机的一大卖点。
Adobe Systems的Photoshop就有许多外挂模组，可帮助改善画面，如消除影像干扰的污点，或加深影像轮廓等。
现在，Photoshop最新版CS2的“智能清晰”滤光软件具备若干清晰化科技，若相机是直线移动，便可在有限的情况下补救聚焦和影像模糊的问题。大学研究员的方法，则是针对更复杂的抖动情况。Fergus说：“实际的模式非常奇特。”
Adobe数字影像产品开发副总Dave
Story认为研究员的方向正确。他说：“比我们以前看过的更好一点。你可以更准确且更自动地判断模糊的出处，还能处理非直线的路径。”
但Story指出，这项程序会留下一些加工痕迹，仍需进一步改善。他说：“我们研究这个领域已经三、四年了，在如何让民众乐意使用且不会产生任何不自然痕迹这方面，一直都有挑战。”看到样本影像的受试者均表示，相片中的人看起来“恐怖且不自然”。
Fergus的技术是利用在各种不同类别相片中一致存在的统计特性。这些特性是集合个别像素与邻近亮度对比的测量值。
Fergus说：“结果是实体世界的影像通常有其特殊的分布（由明渐至暗）。如果拿许多不同的照片来看，（明暗）渐次分布就非常类似—这不会改变你对不同影像的认知。”
但电脑产生的随机影像却有不同的分布。Fergus说：“真实影像就不是百万次元空间内随机分布的点。它们有一定的结构。”而模糊影像的明暗对比有不同的组合。他表示：“所有那些扭曲的变化都被抹去。”
整个过程的中心是根据缺少的对比估算相机如何移动。一开始先用原始影像的低解析版非常粗略地估算相机的动作，然后渐次用解析度更高的版本重复整个过程。
Fergus说：“我们用清晰对比的分布对照真实、清晰影像的样子。借由分解成较小的步骤，我们可以成功抓出相机实际震动的非常复杂的特性。”
这项结果称为模糊核心，一个显示相机在哪些地方发生震动的网格。模糊核心就是该技术第二阶段的基础—1970年代初期开发的程序“反缠绕”（deconvolution），用来逆转特定的模糊效果。
整体而言，处理一般的数字相机影像需要10至15分钟。不过，Fergus并未在处理效率上费心，这部分未来还有很大的改善空间。
Fergus表示：“用Photoshop，理想的外挂或许最多只要一分钟。”有更多时间花在谨慎、有效的执行上，Fergus相信这项技术将达到更接近使用者所需理想速度，甚至快到足以在相机内执行。
一点人力的付出是必要的：使用者必须在原始影像内挑选一块有边缘的方形区域，面积太小会让结果不良，面积太大则会让处理时间过长。
此外，极亮或极暗的照片也不适合处理—也就是影像编辑术语中的”clipping”问题。因此，这项演算法较适合处理高端数字相机拍摄的“未处理”影像，其光度的范围较广。
另一个问题出自所谓的杂乱影像，如配备小影像感应器之低端相机拍摄的照片—尤其是在昏暗中摄取的影像。Fergus说，杂乱的班点可能被视为边缘。
这项技术在短期内不太可能推出或整合至相机内。Fergus说：“这是第一步，达到实际应用前还有很长一段路要走。”
(责任编辑：韩建光) | 
精彩生活 
