Blend modes とは

デジタル画像編集のブレンドモード(またはミキシングモード)とコンピュータグラフィックスを使用して、2つのレイヤーをどのようにブレンドするかを決定します。ほとんどのアプリケーションでは、デフォルトのブレンドモードは、最上位レイヤに存在するもので下位レイヤを非表示にするだけです。しかしながら、各画素が数値表現を有するので、2つの層を混合する多数の方法が可能である。トップレイヤーは、アプリケーションでは必ずしも「レイヤー」と呼ばれるわけではありません。ペイントや編集ツールで適用することができます。最上層は、「混合層」または「活性層」と呼ぶこともできる。
Adobe PhotoshopやGIMPのようなほとんどのグラフィックス編集プログラムは、ユーザーが基本的なブレンドモードを変更できるようにします。たとえば、上の画像に異なるレベルの不透明度を適用します。
このページに表示される数式では、値は0.0(黒)から1.0(白)になります。

Richardson–Lucy deconvolution とは

Lucy-Richardsonデコンボリューションとも呼ばれるRichardson-Lucyアルゴリズムは、既知の点広がり関数によってぼかされた基礎となる画像を復元するための反復手順である。ウィリアム・リチャードソン(William Richardson)とレオン・ルーシー(Leon Lucy)にちなんで命名された。

Inpainting とは

インペインティングは、失われた部分や劣化した部分を再構成するプロセスです。博物館の世界では、価値のある絵画の場合、この作業は熟練した美術家のコンサーベーターまたは美術修復家によって行われます。デジタル世界では、インペインティング(画像補間またはビデオ補間とも称される)は、画像データの紛失または破損部分(主に小領域または小さな欠点を除去する)を置き換えるための洗練されたアルゴリズムの適用を指す。

Deconvolution とは

数学では、デコンボリューションは、記録されたデータに対する畳み込みの影響を逆転させるために使用されるアルゴリズムベースのプロセスです。デコンボリューションの概念は、信号処理および画像処理技術において広く使用されている。これらの技術は多くの科学技術分野で広く使用されているため、デコンボリューションは多くのアプリケーションを検出します。
一般に、デコンボリューションの目的は、以下の形式の畳み込み方程式の解を見つけることである。
f g = h {\displaystyle f*g=h\,}
通常、hはある記録信号、fは回復したい信号ですが、記録する前に他の信号gと畳み込まれています。関数gは、物理的システムに適用された計測器の伝達関数または駆動力を表すことができる。 gを知っているか、少なくともgの形を知っていれば、確定的デコンボリューションを実行できます。しかし、gを事前に知らなければ、推定する必要があります。これは、統計的推定の方法を使用して最も頻繁に行われます。
物理的測定では、状況は通常
( f g ) + ε = h {\displaystyle (f*g)+\varepsilon =h\,}
この場合、εは記録された信号に入ったノイズです。 gの統計的推定をしようとするとノイズの多い信号や画像にノイズがないと仮定すると、推定値は正しくありません。また、我々の推定値も不正確になる。信号対雑音比が低いほど、デコンボリューションされた信号の推定値は悪化します。これが、信号を逆フィルタリングするのが通常は良い解決策ではない理由です。しかし、データ中の雑音の種類(例えば、ホワイトノイズ)に関する知識があれば、ウィナーデコンボリューションのような手法を用いてfの推定値を改善することができます。
デコンボリューションは、通常、記録された信号hと伝達関数gとのフーリエ変換を計算することによって実行され、周波​​数領域でデコンボリューションを適用する。ノイズのない場合には、
F = H / G {\displaystyle F=H/G\,}
F、G、Hはそれぞれf、g、hのフーリエ変換である。最後に逆フーリエ変換Fを実行して、推定されたデコンボリューションされた信号fを見つける。
デコンボリューションと時系列解析の基礎は、マサチューセッツ工科大学のノーベルト・ウィーナー(Norbert Wiener)著「定常時系列の外挿、補間、平滑化(1949)この本は、ウィーナーが第二次世界大戦中にした仕事に基づいていたが、それは当時に分類されていた。これらの理論を適用する初期の試みのいくつかは、天気予報と経済学の分野にあった。

Structural similarity とは

構造類似度(SSIM)インデックスは、デジタルテレビジョンおよび映画画像、ならびに他の種類のデジタル画像およびビデオの知覚される品質を予測する方法である。このモデルの最初のバージョンは、オースティンのテキサス大学の画像・ビデオ工学研究室(LIVE)で開発され、さらにニューヨーク大学の計算機ビジョン研究所(LCV)と共同で開発されました。
SSIMは、2つの画像間の類似性を測定するために使用されます。 SSIMインデックスは完全な参照メトリックです。言い換えれば、画質の測定または予測は、参照としての初期非圧縮または歪みのない画像に基づく。 SSIMは、ピーク信号対ノイズ比(PSNR)や平均二乗誤差(MSE)などの従来の方法を改善するように設計されています。

Pyramid (image processing) とは

ピラミッドまたはピラミッド表現は、コンピュータビジョン、画像処理および信号処理コミュニティによって開発されたマルチスケール信号表現の一種であり、信号または画像は繰り返し平滑化およびサブサンプリングされる。ピラミッド表現は、スケール空間表現と多重解像度解析の前身です。

Stairstep interpolation とは

画像処理において、階段補間は、画像を拡大した後に画素を補間する一般的な方法である。重要なアイデアは、バイリニア補間やバイキュービック補間などの最近傍補間より優れた補間アルゴリズムを使用して、小さな増分で複数回補間することです。一般的なシナリオは、所望のサイズに達するまで画像サイズを10%(オリジナルサイズの110%)だけ増加させるバイキュービック補間を使用して画像を補間することです。

Resolution enhancement technology とは

解像度向上技術(Resolution Enhancement Technology:RET)は、レーザープリンタとインクジェットプリンタメーカーの間で普及しているドット特性を操作するための画像処理技術の一形態です。密接に関連するRET技術は、VLSIフォトリソグラフィ製造技術、特に90ナノメートル技術に関連して使用される。
解像度は、画像の細部の鮮明さ、曲線の滑らかさ、および画像の忠実な再現を指す。どちらの場合も、RETは印刷プロセスの影響を緩和するためにイメージの事前補正を使用します。
VLSI技術におけるRETの主な問題は、振幅、位相、方向の波の基本的な特性です。

Image resolution とは

画像解像度は、画像が保持する詳細です。この用語は、ラスタデジタル画像、フィルム画像、および他のタイプの画像に適用されます。解像度が高いほど画像の詳細が多くなります。
画像の解像度はさまざまな方法で測定できます。解像度は、線が互いにどのくらい近づくことができるかを定量化し、視覚的に解決されます。解像度単位は、物理的な大きさ(例えば、1mmあたりの線数、1インチあたりの線数)、画像の全体サイズ(線ごとの線、TV線またはTVLとしても知られている画像高さに対する線)、または角度の弱さに結び付けることができる。行の代わりに行のペアが使用されることがよくあります。線対は、暗線と隣接する光線とを含む。線は暗い線または明るい線のいずれかです。 1ミリメートルあたり10ラインの解像度は、5本のライトラインまたは1ミリメートルあたり5本のラインペア(5LP / mm)と交互に5本の暗いラインを意味します。写真レンズとフィルムの解像度は、1ミリメートルあたりのラインペアで最も頻繁に引用されます。