Уважаемые коллеги! Подскажите, пожалуйста, существует ли ПО для увеличения четкости растровых изображений (в частности, старых аэрофотоснимков) по примеру тех, которые используются в МВД для идентификации автомобильных номеров?
из бытовых самое функциональное - PHOTOSHOP. Если нужно еще и ориентировать, то PHOTOMOD - это уже специализированное.
Большое спасибо за информацию, но это несколько не то. Photoshop, Helicon Filter и PhotoZoom использую постоянно, но это в основном ретушь или регуляция масштаба. Что касается Photomod, то судя по сайту разработчика, комплекс предназначен для работы с цифровыми материалами надлежащего качества и возможности его по корректировке растровых изображений очень ограничены. Для моей задачи нужен корректор растрового изображения.
Это Вы кино насмотрелись... Не путайте алгоритмы распознавания с возможностью увидеть то, чего изначально нет!
Alex_Shaton, вам нужна радиометрическая коррекция, так? Или, как ту еще называют, работа с гистограммой и каналами? Это есть и в photoshop и в photomod. Если нет, опишите задачу подробнее.
При чем тут кино. Существуют же программы с распознаванием контуров человеческого лица или фигуры человека. Photoshop и подобные программы сглаживают изображение.Что в итоге - в примерах. Меня интересуют программы с алгоритмом автоматического распознавания не только криволинейных, но и прямоугольных контуров (в первую очередь - строений). --- Сообщения объединены, 13 фев 2018, Оригинальное время сообщения: 13 фев 2018 --- Возможно, я не в полном объеме освоил Photoshop, подскажите, есть ли в нем возможность автоматического распознавания прямоугольных контуров?
Распознавание образов это вообще совсем другая тема. ПО для этого надо искать, тоже специализированное
Определитесь, чего Вы хотите? Распознавание работает, когда "оно знает", чего ищет! Если Вы хотите по растрам карту отрисовать, то давно существуют программы-трассировщики (векторизаторы). Только при плохом качестве исходного материала замучаетесь человеческими силами все это исправлять... А когда из космоса мутное пятнышко превращается в лицо шпиёна, то это и есть кино...
С векторизаторами работаю давно, для решения задач по автовекторизации использую R2V и Vextractor. Задача другая. По моему городу крупномасштабная топооснова (1:5000 и отдельными кварталами, а затем в планшетах - 1:500) существует с конца 50-х - начала 60-х годов прошлого века. Довоенные крупномасштабные картматериалы если и были, то утрачены по время войны. При этом, имеются отдельные немецкие аэрофотоснимки начального периода войны, когда город еще не разбомбили - на нескольких качество более или менее, на одном - весь город с пригородами, которые уже давно в черте города, но контура зданий размыты. Центральную часть города собрал по кусочкам, привязал довольно сносно в МСК, где-то под масштаб 1:5000 или 1:2000. Хотелось бы собрать пригороды, но использовать в качестве маркеров контуры зданий не представляется возможным ввиду их размытости на аэрофотоснимке. Я и спрашивал про специализированное ПО для своей задачи. Geo-aleksey, grumbler, спасибо вам большое за ответы, буду искать дальше.
"Поднимите" контура для маркеров вручную по растрам... Не думаю, что там сильно большой объем работы получится. В любом случае человек с этой задачей многократно лучше справится...
Я всегда так делаю. Но в данном случае качество снимка не ахти и в итоге не хочется получить "кашу". К тому же на снимках много надписей, символов, сделанных дешифровщиками, приходится работать с кусочками.В любом случае, большое спасибо за совет. --- Сообщения объединены, 15 фев 2018, Оригинальное время сообщения: 15 фев 2018 --- Работаю только с растром, хочется максимально сохранить оригинальную аэрофотосъемку. --- Сообщения объединены, 15 фев 2018 --- Получается как-то так.
В данном случае вижу только возможность понизить влияние JPEG-квантования с помощью Library JPEG Quant Smooth (CLI). Но вам это даст сосем немного. После этого можно уже попробовать применить Image Super-Resolution using Convolutional Neural Network (CLI). Но вы замучаетесь собирать его под винду (требует OpenCV). Получите что то вроде этого: увеличение в 4 раза:
Для алчущих сделал Image Super-Resolution using Convolutional Neural Network на STB. Никаких OpenCV и прочей мути. Плюс к этому используется блочный алгоритм, так что можно напрягать изображения любого размера (ежели время есть), но результат тот же, что в посте выше. А ежели уж результат обученной нейронной сети не гож, то ничем уже не поможешь.
Помимо программ увеличения изображений по интерполяционным правилам (biline, bicubic, lancos, ...), нейросетевых программ с обучением, есть также другие методы получения дополнительной информации для увеличения (== увеличения общего объёма информации == энтропии), основанные на самоподобии. "Find Replicant Pixel Fast", например.
Добавьте, пожалуйста, в свою программу поддержку geotiff (или подскажите как встроить алгоритм в qgis). Хочется поиграться с Digital Elevation Data - with SRTM voids filled using accurate topographic mapping (viewfinderpanoramas.org) В данный момент использую r.resamp.bspline - GRASS GIS manual (osgeo.org) но вдруг энтропия сделает лучше
Данные проги написаны на чистом си и ни разу не прибиты к STB, в них изображения представлены простыми ссылками на массивы char, так что могут быть портированы в любой другой графический движок (проверенно, отдельные элементы портировались в GIMP, Qt и LibTIFF). Но сам STB, насколько я знаю, GeoTiff не алё, а чтобы портировать в QGIS, нужно в нём разбираться. Я не разбираюсь. Такие вот дела.
Возможно и есть какой то плагин подобного рода. Но я фотошоп видел только со стороны, так что подсказать не могу.
Вам нужны векторизаторы. Spotlight Pro - умеет хорошо распознавать "прямоугольную геометрию". Есть автоматический и полуавтоматический режим. Начните пожалуй с него. Хорошая программа. В ГИС GRASS, которую можно установить поверх QGIS - также есть модули с автоматической векторизацией аэрофотоснимков. Там это получше - распознавание идет через небольшую нейросеть, которую можно обучить и "натаскать" под нужные задачи, но и настраивать все это дело надо довольно долго.
