بهبود کیفیت تصویر و تشخیص رنگ در دوربین های باسلر با کمک تکنولوژی PGI

برای بهبود کیفیت تصاویر، المان‌های مختلف در دوربین‌های دیجیتال و عملکرد آنها باید با یکدیگر به صورت کامل هماهنگ باشند. تکنولوژی PGI یک ترکیب هماهنگ 5 در 5 از تصاویر دیبارینگ شده، دارای پیوستگی رنگی، تصاویر با وضوح و حاوی جزییات و کیفیت بهبود یافته و بدون نویز را ارائه می‌دهد و در عین حال می‌تواند میزان نویز موجود در تصاویر را کاهش دهد. به دلیل یکپارچه بودن با دوربین‌های FPGA، تکنولوژی PGI با نرم افزارهای real-time به خوبی سازگار است. در نتیجه به هنگام کار با این تکنیک، هیچ گونه اتلاف وقتی را تجربه نخواهید کرد و به هیچ نرم افزار ادیت عکسی احتیاج نخواهید داشت. بدین ترتیب، می‌توانید در حافظه کامپیوتر خود نیز صرفه‌جویی کنید. برای انتخاب رنگی که باید در قسمت بالا و سمت چپ ماتریکس بایر قرار بگیرد، هیچ اجباری وجود ندارد. همانطور که در تصویر بالا ملاحظه می‌کنید، شما برای این کار چهار گزینه در اختیار دارید. این انتخاب‌ها برای حسگرهای مختلف، متفاوت هستند.

با توجه به اینکه چه رنگی دو پیکسل اول از ردیف اول را اشغال می‌کنند، تصاویر تحت عنوان‌های RG، BG، GB و یا GR نام‌گذاری می‌شوند (تصویر دوم را ملاحظه کنید). شکل 3 جزئیاتی از تصویر خام گرفته شده توسط حسگر Bayer را نشان می‌دهد که رنگ‌های پیکسل مربوط به وضوح قابل مشاهده هستند.

تشخیص رنگ در دوربین های باسلر: ماتریس Bayer پایه ای برای بهینه سازی رنگ در تصاویر

در دنیای پردازش تصویر، دوربین‌های رنگی و دوربین تشخیص رنگ به سرعت جایگزین مونوکروم‌ها شده‌اند. دوربین‌های رنگی تصاویر رنگی را تولید می‌کنند که اطلاعات بیشتری را نسبت به دوربین‌های مونوکروم ارائه می‌دهند. در یک تصویر رنگی، هر پیکسل از چندین مقدار عددی رنگ تشکیل شده است. این مقادیر به رنگ‌های قرمز R، سبز G و آبی B دلالت دارند. این تصویر تحت عنوان تصاویر RGB شناخته می‌شوند. دوربین‌های رنگی مجهز به سه حسگر رنگی واقعی بسیار پیچیده و گران هستند. یک جایگزین خوب و مقرون به صرفه که در اکثر دوربین‌های رنگی رایج ارائه می‌شود، حسگر دوربین است که از الگوی بایر یا ماتریس بایر استفاده می‌کند. این الگو در سال 1975 توسط برایس ای بایر طراحی شد. بایر در آن زمان کارمند شرکت Eastman Kodak بود. این طراحی با شماره 3971065 در آمریکا ثبت اختراع شد. در یک ماتریس بایر، هر پیکسل با صفحه رنگی مخصوص به خود کار می‌کند که شبیه یک صفحه شطرنج است. 50٪ از درایه‌های آن سبز رنگ هستند. 25٪ از باقی درایه‌ها به رنگ قرمز و مابقی به رنگ آبی اختصاص دارند (شکل اول را ببینید).

تشخیص رنگ در دوربین های باسلر: عملیات دیبارینگ

در یک سنسور بایر و یا انواع سنسورهای تشخیص رنگ، هر پیکسل فقط یک رنگ را می‌بیند. هر پیکسل در یک تصویر RGB به سه رنگ قرمز، سبز و آبی نیاز دارد. سایر رنگ‌ها از تکنیکی به نام درون یابی مشخص می‌شوند. روش خاص درون یابی در این بخش تحت عنوان دیبارینگ شناخته می‌شود. دیبارینگ به معنای موزاییک کردن یا درون یابی آرایه‌های فیلتر رنگی می‌باشد.

دیبارینگ بر پایه درونیابی استوار است. برای مثال، فقط 25 درصد از پیکسل‌ها قرمز هستند. بدین ترتیب مقدار رنگ قرمز برای 75 درصد از پیکسل‌های باقی مانده باید درون یابی شود. الگوریتم‌های درون یابی مختلفی در دنیا وجود دارند و انتخاب هر یک از آنها بر هدف موضوعی، روش پیاده سازی، منابع مورد نیاز و نتایج تاثیر بسیار زیادی می‌گذارد. الگوریتم‌های دیبارینگ (یا جداسازی) رنگی از طریق تخمین رنگ‌های مجهول بر پایه مقادیر رنگی موجود در پیکسل‌های همسایه کار می‌کنند. ابعاد لازم برای این تجزیه و تحلیل، که بر حسب تعداد پیکسل‌های همسایه برای هر پیکسل اندازه‌گیری می‌شود، به صورت 2 × 2، 3 × 3، 4×4، 5 × 5، و غیره تعیین می‌گردد. شکل بالا محیط 2 در 2 و 5 در 5 را نشان می‌دهد.

درون یابی نزدیکترین همسایه

دیبارینگ 2 در 2 بر اساس تکنیکی به نام “درون یابی نزدیکترین همسایه” انجام می‌شود. ما در این مقاله این روش را تحت عنوان “جداسازی رنگی ساده” معرفی می‌کنیم. این روش به شدت به منبع وابسته است و معمولا در تخمین رنگ‌ها خطاهای جدی دارد. یک مثال از این خطا را می‌توان به طور واضح در شکل پنجم این مقاله مشاهده کرد. در این تصویر، رنگ نارنجی و آبی آسمانی، مخصوصا در کناره‌های تصویر که رنگ‌های مشکی و سفید به یکدیگر می‌رسند، رایج‌ترین توزیع خطا هستند. این امر را با کمک متن و اعداد موجود در تصویر نیز می‌توان درک کرد. در طول خطوط قطری، رنگ‌های نارنجی و آبی آسمانی دائما با یکدیگر جابجا شده و سبب حواس‌پرتی چشم انسان می‌شود. تصویر ظاهر شده به طور قابل توجهی غیر متمرکز است و لبه‌های مورب زیپی شکلی را نیز نشان می‌دهد. یک فرآیند درون یابی بهتر می‌تواند این نتیجه را بهبود بخشد. جمع‌آوری داده از بخش‌های وسیع‌تر و بزرگ‌تر از مزایای ویژه این روش محسوب می‌شود.

تشخیص رنگ در دوربین های باسلر: فرآیند جداسازی رنگی در تکنولوژی PGI

دیبارینگ تکنولوژی PGI یک الگوریتم جدید و به طور قابل توجهی بهبود یافته است که توسط Basler برای شعاع 5×5 پیکسل توسعه یافته است. تصویر قبلی را با شکل 6 مقایسه کنید. در تصویر 6 الگوریتم PGI برای تولید یک تصویر RGB بر روی داده‌های خام تصویر 5 اجرا شده است. به سرعت می‌توان دریافت که کیفیت تصویر از هر نظر بهبود پیدا کرده است. در این روش تصویر نهایی دچار ریزش رنگ نشده است، دستورات به راحتی قابل تشخیص هستند و لبه‌های قطری ظاهر شده نیز پیوستگی و وضوح ایده‌آلی را دارند.

الگوریتم PGI جهت بهبود کیفیت تصاویر رنگی برای چشم انسان طراحی شده است. این الگوریتم دارای چندین مرحله محاسبات است. علاوه بر فرایند جداسازی رنگی، محاسبات زیر نیز در این روش مورد توجه هستند:

• رفع تداخلات رنگی (Color-Anti-Aliasing)
• بهبود وضوح
• حذف نویز

در ادامه هر یک از این مراحل محاسباتی را به تفصیل توضیح خواهیم داد.

رفع تداخلات رنگی (Color-Anti-Aliasing)

دیبارینگ 5 در 5 در تکنولوژی PGI بر اساس مفاهیم عمیق ریاضی در مسائل درون یابی و حل آن شکل گرفته است. این مفاهیم در ترکیب با درک بهتر مشخصات چشم انسان، به بهبود این روش کمک کرده‌اند. در الگوریتم‌های پیچیده‌ای مانند این مورد، معمولا چندین گزینه برای انتخاب عملگرهای نقطه‌ای وجود دارد. هر کدام در یک عملگرها به گونه‌ای انتخاب شده‌اند تا نتایج مخصوصی که برای دید انسان ها مناسب هستند، را فراهم کنند. دو نوع سلول بینایی در شبکیه چشم انسان وجود دارد:

• میله‌ای برای دیدن رنگ های سیاه و سفید
• مخروطی برای دیدن سایر رنگ‌ها

سلول‌های میله‌ای رایج‌تر و متراکم‌تر از سلول‌های مخروطی‌ها هستند، در نتیجه، ما می‌توانیم کنتراست رنگ‌های سیاه و سفید را با وضوح بسیار بیشتری تشخیص دهیم.

بهبود وضوح

تکنولوژی PGI از این ویژگی استفاده کرده است و با بازتولید کنتراست‌های سیاه و سفید توانسته است تصاویری با درجه وضوح و درخشندگی بالا و با جزئیات دقیق‌تر را تولید کند. تصاویر تولید شده کیفیت مشابهی با تصویر در دوربین‌های سیاه و سفید دارند. بدین ترتیب، این روش تضمین می‌کند که خطوط تصاویر به طور واضح قابل رویت و نوشته‌های موجود در تصاویر نیز به خوبی خوانا باشند.

حذف نویز

سلول‌های میله‌ای چشم که برای دیدن رنگ‌های سیاه و سفید طراحی شده‌اند، به رنگ سبز نیز حساس هستند. تکنولوژی PGI با دادن وزن ویژه به پیکسل‌های سبز هنگام بازسازی کنتراست‌های سیاه و سفید، این امر را توجیه می‌کند و در نتیجه تصویر طبیعی‌تری را ایجاد می‌کند. در نهایت نیز باید خاطر نشان کنیم که چشم انسان به شدت متوجه نویز رنگی و پیکسل‌هایی با خطاهای رنگی است. در طول توسعه PGI این امر با انتخاب روش بازسازی رنگ، به ویژه در تصاویری با سطح کم نویز رنگی، برطرف شده است.

تشخیص رنگ در دوربین های باسلر: پیوستگی رنگ (عدم تداخل رنگ)

خطاهای رنگی، به ویژه در لبه‌های تیز، یک عارضه جانبی رایج در الگوریتم‌های دیبارینگ کمتر موثر است. این ایرادات به ویژه هنگامی مشهود هستند که از یک تصویر خام (مانند شکل 7) استفاده شود. این تصویر امواج کسینوسی را با افزایش خطی فرکانس از چپ به راست و از بالا به پایین تصویر نشان می‌دهد.

به عنوان مثال، اگر یک الگوریتم 2 × 2 ساده debayering را بر این تصویر اعمال کنید، آنگاه نتیجه به شکل زیر خواهد بود (شکل 8).

همانطور که می‌بینید، خطا رنگی در گوشه و کنار تصویر مشهود هستند. علل خطا در گوشه‌های تصویر به خوبی در شکل 9 توضیح داده شده است.

بیایید تصویر 9 را در گوشه سمت چپ و بالا بررسی کنیم. بازسازی صحیح رنگ‌ها در مناطقی با فرکانس‌های فضایی پایین بسیار ساده است. به بیان دیگر، بازسازی صحیح رنگ‌ها در بخش‌های بزرگی از تصویر (مانند سمت چپ در قسمت بالا) که کاملا روشن یا تاریک هستند و تغییرات در میزان روشنایی به تدریج صورت می‌گیرد، آسان است. در این بخش‌ها ما هیچ نقص رنگی را مشاهده نمی‌کنیم. خطای رنگی در بخش‌هایی از تصویر که فرکانس فضایی بسیار متغیر است، به خوبی مشهود می‌باشد. نمونه‌ای از این شرایط را می‌توان در بخش‌هایی از تصویر که فاصله میان خطوط سیاه و سفید بسیار کم است و یا در پیکسل‌های همسایه جانمایی شده‌اند، به خوبی مشاهده کرد. فرکانس‌های فضایی بالا همواره در مرزهای میان قسمت‌های تاریک و روشن رخ می‌دهند. جایی که ساختار افقی درگیر می‌شود، مانند بخش بالا سمت راست در شکل 9، چالش دیگری رخ می‌دهد. ستون‌هایی با رنگ‌های قرمز و سبز نور بیشتری را نسبت به ستون‌های سبز و آبی دریافت می‌کنند. به همین دلیل پیکسل‌های قرمز بالاتر از حد میانگین روشن شده‌اند و این در حالی است که پیکسل‌های آبی رنگ زیر حد میانگین روشنایی قرار دارند. ترکیب زیاد رنگ قرمز با اندکی رنگ آبی خطای رنگی نارنجی را تولید می‌کند. در شرایط معکوس، ترکیب کم رنگ قرمز با رنگ آبی زیاد خطای رنگی آبی آسمانی را ایجاد می‌کند. برای میله‌های افقی، شرایط با 90 درجه چرخش عرضه می‌شود. در اینجا ردیف‌هایی با پیکسل‌های قرمز و سبز نور بیشتری را نسبت به خطوط با پیکسل‌های سبز و آبی دریافت می‌کنند و رنگ نارنجی تولید می‌شود. اگر این شرایط برعکس بود، در اثر دریافت نور بیشتر برای ردیف پیکسل‌های سبز و آبی، رنگ آبی اسمانی ظاهر می‌شود. از نظر تئوری، موقعیتی که در گوشه پایین و سمت چپ شکل 9 رخ داده است، نیز امکان پذیر می‌باشد. این اتفاق زمانی رخ می‌دهد که میله‌های مورب یک رنگ سبز و سرخابی را ایجاد کنند. از آنجایی که کیفیت لنزها برای نمایش چنین ساختارهای بسیار فشرده ای با کنتراست مناسب، کافی نیست، معمولا چنین شرایطی کمتر رخ می‌دهد.

پیوستگی رنگ در تکنولوژی PGI

تکنولوژی PGI، تمامی خطاهای رنگی برای همه فرکانس‌های بالقوه زیر حد تئوری را تحلیل و تصحیح می‌کند. این حد نظری با کمک تئوری سیستم دیجیتال تعیین می‌شود و فرکانس نایکوئیست نام دارد. شکل 10 تصویری را نشان می‌دهد که توسط الگوریتم PGI پردازش شده است. خطای رنگی برای پیکسل‌های سبز تا حد فرکانس نایکوئیست از بین رفته‌اند. فرکانس نایکوئیست برای پیکسل‌های سبز به صورت مورب از گوشه بالای سمت راست تا گوشه سمت چپ تصویر اجرا می‌شود. این فرکانس را می‌توان در هر تصویر به عنوان یک “آستانه بی‌رنگی” تعریف کرد.

این اثر همچنین در تصاویر واقعی زیر به وضوح قابل مشاهده است

وضوح تصویر در تکنولوژی PGI

همانطور که در بالا نشان داده شد، الگوریتم‌های debayering معمولی نمی‌توانند ساختارهای ظریف را با وضوح خوبی باز تولید کنند.

وضوح بهبود یافته در تکنولوژی PGI

تکنولوژی PGI یک بازتولید استثنایی کیفی از ساختارهای سیاه و سفید ارائه می‌دهد. وقتی ساختارهایی با وضوح بالا را به تصویر می‌کشیم، دوربین‌های رنگی که با ماتریس‌های بایر کار می‌کنند نه تنها در نمایش جلوه‌های رنگی دچار مشکل می‌شوند، بلکه در نمایش وضوح تصویر نیز با چالش‌هایی روبرو هستند. این موارد در واقع محدودیت‌های اساسی الگوریتم‌های خطی درون یابی هستند. تکنولوژی PGI الگوریتم خطی درون یابی را بر اساس ساختار تصویر تنظیم می‌کند. در نتیجه وضوح تصویر، مشابه با دوربین‌های مونوکروم، بهبود پیدا می‌کند. بدین ترتیب تکنولوژی PGI همیشه می‌تواند تصاویری با وضوح بهینه را تولید کند. در میان چالش‌های خاصی که ممکن است در تصویربرداری با آنها مواجه شوید، همیشه یک عامل قابل تنظیم برای وضوح تصویر وجود دارد. این عامل قابل تنظیم به شما این اجازه را می‌دهد تا وضوح تصویر را در یک بخش خاص افزایش دهید. در تمام این موارد، وضوح تصویر همیشه در راستای ویژگی‌های پرسپکتیو چشم انسان جهت گیری می‌شود. باید توجه داشته باشید که وضوح تصویر رابطه بسیار نزدیکی با نویز دارد و از سویی دیگر، افزایش وضوح تصویر به صورت خطی می‌تواند سبب افزایش نویز شود. بینایی انسان نسبت به نویز خاکستری و در مقایسه با نویز رنگی، حساسیت کمتری دارد. از سویی دیگر تکنولوژی PGI در خلال افزایش وضوح تصاویر میزان نویز خاکستری را افزایش می‌دهد و هیچ اثری بر روی نویز رنگی ندارد. در موقعیت خنثی برای ضریب وضوح، عملکرد افزایش وضوح مجدد در نظر گرفته نمی‌شود. در شکل 13 و 14 تصاویری برای مقایسه ارائه شده‌اند.

وضوح خوب تصویر یکی از پارامترهای مهم یا حتی حیاتی در بسیاری از نرم افزارها است. این امر خصوصا برای اپلیکیشن‌هایی که در آنها رنگ‌های دوربین باید به درستی با اعداد و حروف نظیر شوند، اهمیت دارد. خوانایی تصویر در نهایت زمانی ایده‌آل شناخته می‌شود که اطلاعات موجود در آن به خوبی توسط انسان یا ماشین قابل تحلیل باشند. در مواردی که تشخیص دقیق رنگ و متن مورد نیاز است، تکنولوژی PGI می‌تواند بسیار موثر واقع شود. به عنوان مثال، نظارت بر ترافیک به شکل قابل توجهی بر توانایی ثبت صحیح رنگ یک وسیله نقلیه و پلاک آن متکی است. به عنوان مثالی دیگر، اپلیکیشن‌های مورد استفاده در خرده‌فروشی‌ها باید بتوانند رنگ کالای اسکن شده را به درستی تشخیص داده و بارکد را به درستی ثبت کنند. یک تصویر بسیار واضح به عملگرهای پردازش تصویر اجازه می‌دهد تا بخش‌هایی با وضوح کمتر (به عنوان مثال بخش‌هایی با پیکسل‌های کمتر) را بهتر مدیریت کنند. این امر به معنای تهیه تجهیزات مقرون به صرفه، مانند تجهیزات تنظیم نور و دوربین‌هایی با قدرت پردازش بهتر است. بدین ترتیب در یک چرخه ثبت تصاویر، عملکرد شما سریع‌تر خواهد بود و تصاویر بیشتری را نیز ثبت خواهید کرد.

نویز در تکنولوژی PGI

نویز بخش غیر قابل اجتناب هر تصویر است. اصلی‌ترین دلیل به وجود آمدن نویز، ماهیت نور است. نور از تعداد بسیار زیادی فوتون تشکیل شده است. فوتون‌ها ذرات مکانیک کوانتومی هستند و رفتار آنها بر اساس فرایندهای تصادفی دیکته می‌شود. این بدان معنی است که حتی تحت تابش میزان مشخص و ثابتی از روشنایی، پیکسل‌ها ممکن است فوتون‌های بیشتر یا کمتری را دریافت کنند. نویز حاصل از این رفتار زمانی را نویز طبیعی می‌نامند و در عکاسی از آن تحت عنوان “لکه لکه شدن کوانتومی” یاد می‌شود. در زیر به منابع نویز اشاره شده است:

حسگرهای تصویر و مدارهای الکترونیکی

یکی از منابع نویز، حسگرهای تصویر و مدارهای الکترونیکی هستند. نویز ناشی از حسگرهای تصویر در نور کم و موقعیت‌هایی با امکان عکسبرداری کوتاه غالب است. این شکل از نویز همچنین در مواردی که تقویت کننده‌های قوی آنالوگ استفاده می‌شوند، نقش مهمی را ایفا می‌کنند. هر دو نوع نویز در سنسورهای تصویری با هم ترکیب می‌شوند و نویز موقت تصویر خام را تولید می‌کنند.

نویز محلی

علاوه بر آن، نویز محلی به عنوان دومین منبع مهم نویز در تصویربرداری شناخته می‌شود. این شکل از نویز در درجه اول به واسطه متفاوت بودن پارامتر حساسیت به نور پیکسل‌های مختلف ایجاد می‌شود. حتی جزئی‌ترین تفاوت‌ها در تصویر قابل مشاهده‌اند. این اثر به عنوان پاسخ دهی غیر یکنواخت تصویر (PRNU) شناخته می‌شود. در شرایطی با نور کم یا مدت تصویربرداری کوتاه و حضور تقویت کننده‌های آنالوگ، شما می‌توانید روشنایی متفاوت موجود بین پیکسل‌هایی که در نواحی بسیار تاریک قرار دارند را به خوبی مشاهده کنید. این اثر به عنوان الگوی ثابت نویز یا سیگنال تاریک غیر یکنواخت (DSNU)شناخته می‌شود. این نویز با توجه به نوع سنسورهای به کار برده شده، متفاوت است. با این حال توجه داشته باشید که این مشکل در حسگرهای با کیفیت تقریبا حل شده است. اثرات فوق الذکر نویز در تمام دوربین‌های رنگی و مونوکروم رخ می‌دهند. معمولا میان عکس خام و عکس رنگی ارائه شده، مراحل محاسباتی بسیار زیادی وجود دارد. هر کدام از این مراحل محاسباتی می‌توانند میزان نویز را بر اساس قوانین خطای انتشار، افزایش یا کاهش دهند. باید توجه داشت که در بسیاری از موارد، به جای کاهش نویز، شدت آن تقویت می‌شود. یکی از نکات مهمی که در این راستا باید بدان توجه شود، توالی محاسبات عملگرهای ریاضی است که می‌توانند شدت نویز را از یک مرحله محاسباتی به مرحله دیگر، به صورت نمایی، افزایش دهند. متاسفانه در موارد خاص این سبب افزایش بسیار شدید اثر کلی نویز می‌شود.

حذف نویز در تکنولوژی PGI

تکنولوژی PGI پیکربندی این عملیات را تغییر می‌دهد و به جای اجرای متوالی، آنها را به صورت موازی با یکدیگر اجرا می‌کند. این امر از ترکیب مداوم بزرگنمایی نویز جلوگیری می‌کند. بدین ترتیب حفظ سطح پایین نویز، اولویت اول در طراحی تک تک مراحل محاسباتی است. بدین ترتیب الگوریتم‌های تکنولوژی PGI همیشه تصاویری با نویز کم را تولید می‌کنند. علاوه بر آن، تکنولوژی PGI دارای یک گزینه فیلترینگ فعال با پارامترهای قابل تنظیم است. فیلتر کردن نویز در اپلیکیشن‌های صنعتی برای بررسی سریع مجموعه‌ای از تصاویر جداگانه طراحی شده است. این الگوریتم بر روی بررسی تک تک تصاویر متمرکز است و بدین ترتیب اثر جمعی ناشی از بررسی محتوای تصاویر مرتبط را به حداقل می‌رساند. کیفیت فیلترهای نویز به شکل قابل توجهی به میزان داده ورودی بستگی دارد. هرچه محیط برای فیلتر کردن نویز بیشتر باشد، نتیجه بهتری به دست خواهد آمد. با این حال باید توجه داشت که در چنین شرایطی هزینه‌های محاسباتی نیز بالا خواهد رفت. بنابراین فیلتر نویز 5 × 5 برای تکنولوژی PGI به عنوان یک راه حل معقول انتخاب شد. این راه حل به ویژه برای فیلتر کردن نویز در حسگرهای کیفیت بالای تصویر که در دوربین‌های باسلر استفاده می‌شوند، مؤثر است؛ زیرا این دوربین‌ها برای نویزهایی با سطح کم تا متوسط طراحی شده‌اند. در عین حال، این راه حل بسیار مقرون به صرفه و کارآمد نیز هست.

جداسازی رنگی بر نویز

در تصویر فوق تاثیر جداسازی رنگی بر نویز را نشان می‌دهد. در این فرآیند نواحی همگرا خاکستری رنگ در a بر اساس توزیع نویز گوسی هستند. شکل b تصویر حاصل از استفاده از یک جداسازی رنگی ساده را نشان می‌دهد. به نظر می‌رسد تصویر در سمت دیگر خود از فوکس خارج است. همچنین نویزهای رنگی که بیشترین مزاحمت را برای چشم انسان ایجاد می‌کنند به طور واضح قابل رویت هستند. اشکال c و d توزیع همراه بردارهای رنگی RGB در طیف رنگ‌های RGB را نشان می‌دهد. به طور خاص به کشش طرح پراکندگی توجه کنید، زیرا این پارامتر یک معیار بصری برای بررسی قدرت نویز در تصویر حاصل است. بردارهای رنگی RGB به طور قابل توجهی کشیده شده‌اند که با آنچه که در تصویر (b) مشاهده می‌‌کنیم، همخوانی دارد.

نتایج حاصل از تکنولوژی PGI

در تصویر فوق (e) نتایج حاصل از تکنولوژی PGI را نشان می‌دهد. در اینجا نویز بسیار چشمگیر است در ترکیب با وضوح بالا نمایش داده شده است. در مقایسه با b مشاهده می‌شود که نویز رنگی به طور چشمگیری کاهش پیدا کرده است و خوشبختانه نتیجه حاصل، چشم انسان را اذیت نمی‌کند. همچنین می‌توان سطح مشخصی از نویز غیر رنگی را نیز در نتیجه نهایی مشاهده کرد. این امر را می توان در توزیع بردارهای رنگی RGB در (f) و (g) مشاهده کرد. در اینجا می‌توان دید که توزیع نمودار پراکندگی نویز به طور قابل توجهی باریک تر از تصویر بالا است. این امر به شکل واضحی در تصویر (f) نشان داده شده است. در این تصویر توزیع جانبی نمودار پراکندگی به شکل قابل توجهی کاهش یافته است.

توزیع نویز در تکنولوژی PGI جهت کاهش نویز

در تصویر فوق (h) نشان می‌دهد که چگونه می‌توان میزان نویز را با کمک توزیع نویز در تکنولوژی PGI کاهش داد. همانطور که در تصویر نیز مشاهده می‌کنید، میزان نویز به شکل قابل توجهی کاهش پیدا کرده است. توزیع بردارهای رنگ RGB نشان داده شده در (i) و (j) نیز به طور قابل توجهی کشیدگی کمتری دارند. مقایسه تصویر (i) در برابر (f) نشان می‌دهد که گستردگی عمودی در صفحه پخش نویز کوچک‌تر است. فیلتر نویز بر اساس تفسیر انحرافات جزئی در مقادیر روشنایی به عنوان نویز و انحرافات بزرگتر به عنوان محتوای واقعی تصویر طراحی می شود. مقادیر آستانه برای تمایز بین این دو را می توان با کمک پارامترهای مختلف تعیین کرد. درک این نکته مهم است که تعیین مقادیر آستانه بالا ممکن است علاوه بر نویز، بخش‌هایی از تصویر را نیز حذف کند. این کار همچنین در برخی از موارد می‌تواند ساختارهای ظریف تصویر را نیز که در سطح نویز قرار دارند، فیلتر کند. به همین دلیل برای تعیین مقادیر آستانه به صورت صحیح، باید دقت بسیار زیادی خرج شود. در تعیین مقادیر آستانه، بافت های کلیدی تصویر برای تفسیر دقیق آن باید حفظ شوند. فیلتر نویز در حالت خنثی غیرفعال است. هنگامی که فیلتر نویز فعال می‌شود، بهتر است عملگر شارپینگ جزئی را نیز فعال کنید.

تکنولوژی PGI برای دوربین های مونوکروم

تکنولوژی PGI برای دوربین‌های مونوکروم همواره مفید بوده است. حسگرهای مونوکروم الگوی بایر را ندارند و این بدان معنی است که آرایه جداسازی رنگی 5 در 5 یا سیستم عدم تداخل رنگی را در این حسگرها وجود ندارد. با این حال، تقویت وضوح تصویر و کاهش نویز هنوز در تصاویر سیاه و سفید خوب اجرا می شوند و کیفیت تصویر را به طور چشمگیری بالا می‌برند. به همین دلیل است که باسلر تکنولوژی PGI را برای دوربین‌های تک رنگ نیز ارائه می‌دهد. در تنظیمات کارخانه، هر یک از کنترل‌کننده‌های افزاینده وضوح و کاهنده نویز روی حالت خنثی تنظیم می‌شوند تا تکنولوژی PGI یک تصویر خام اولیه را منتقل کند. تکنولوژی PGI تنها زمانی با تصویر درگیر می شود که مشتری این پارامترها را تغییر دهد که در نتیجه آن بهبود کیفیت قابل مشاهده خواهد بود. برای تنظیم پارامترها، قوانینی مشابه با دوربین‌های رنگی اعمال می‌شود.

قدرت محاسباتی در تکنولوژی PGI

علاوه بر موارد ذکر شده در بخش‌های قبل، تمام جنبه‌های تکنولوژی PGI به گونه‌ای طراحی شده است تا وابستگی بسیار کمی به منابع داشته باشد. تمام اپراتورهای محاسباتی به صورت موازی و با هارمونی بهینه در فضای 5 در 5 و به عنوان بخشی از یک قطعه FPGA (آرایه‌های منطقی قابل برنامه نویسی) طراحی شده است. این فضا به طور خاص به حافظه داخلی FPGA سطح پایین نیاز دارد و تعداد عملگرهای ریاضی آن نیز به شکل قابل توجهی کم است. راه حل اشاره شده تنها راه حلی است که می‌توان با کمک آن محاسبات پیچیده را در دوربین اجرا کرد. بدین ترتیب، برای اجرای این محاسبات شما به اقداماتی که هزینه‌های بالاتری ایجاد می‌کنند (مانند FPGA بزرگتر یا سایر واحدهای محاسباتی) نیازی نخواهید داشت.

مزایای تکنولوژی PGI برای دوربین های رنگی

Debayering را می‌توان به صورت داخلی یا خارجی در دوربین اجرا کرد. دیبارینگ خارجی، مثلا به وسیله کامپیوتر، فریم گیر یا کارت گرافیک، به پهنای باند بسیار کمتری برای انتقال تصویرهای رنگی نیاز دارد. از نظر تئوری این امر سبب می‌شود تا پهنای باند بیشتری را برای انتقال تصویر در هر ثانیه در اختیار داشته باشید. با این حال، زمانی که جداسازی رنگی با کیفیت تحت محاسبات وسیع و سنگین و با کمک کامپیوترها اجرا می‌شود، به سرعت شاهد بالا رفتن حجم محاسبات خواهیم بود. این امر حتی با وجود بهینه‌سازی محاسبات رخ می‌دهد. کامپیوترها تنها می‌توانند تصاویر ورودی با نرخ پایین فریم بر ثانیه را پردازش کنند. در نتیجه مزیت پهنای باند بالا برای انتقال اطلاعات چندان در این شرایط مورد توجه نخواهد بود. علاوه بر آن، جداسازی رنگی در کامپیوترها و در صورت استفاده از نرم افزارهای ادیت تصاویر کندتر خواهد بود. در کل، این شکل از پردازش چندان خوشایند نیست. به همین دلیل، جداسازی رنگی باید به عنوان یک جزء و نه یک فرایند کلی، مهم در زنجیره پردازش تصویر درک شود. برای دسترسی به کیفیت خوب تصویر مراحل آماده سازی تصویر باید با ترتیب درست اجرا شود. جداسازی رنگی تصویر قلب این فرآیند است و در صورت انتقال این مرحله به کامپیوترها، باید جزئیات مراحل پردازش تصویر به درستی اجرا شود.

مزایای تکنولوژی PGI برای دوربین های رنگی و مونوکروم

فرایند مشابهی برای کاهش نویز و افزایش وضوح تصاویر اعمال می‌شود. محاسبه در دوربین می‌تواند بار CPU رایانه را به طور قابل توجهی کاهش دهد. بدین ترتیب، زیرساخت های محاسباتی شما برای اپلیکیشن‌های ضروری آزاد خواهد ماند. به همین دلیل منطقی است که الگوریتم PGI را مستقیماً در FPGA دوربین اجرا کنید. تکنولوژی PGI در FPGA دوربین کاملاً با زمان واقعی سازگار است، در مرحله مناسبی از زنجیره پردازش تصویر قرار دارد و بدون هیچ مشکلی در راستای فرایند کلی کار می‌کند. بدین ترتیب زمان پردازش تصویر به شکل قابل قبولی کاهش پیدا می‌کند و فضای رایانه برای سایر مراحل پردازش تصویر آزاد خواهد بود. در کل می‌توان گفت تکنولوژی PGI کیفیت تصاویر دوربین‌های باسلر را به شکل قابل توجهی افزایش می‌دهد. این تکنیک به گونه‌ای طراحی و بهینه سازی شده است که بهترین تجربه را برای چشم انسان ایجاد کند و جداسازی رنگی به شکل ایده‌آلی اجرا شود. در این تصاویر خطای رنگی در تصاویر نهایی بسیار کم هستند، جزئیات تصاویر به خوبی قابل رویت می‌باشند و سطح نویز آن ها کمینه است. تصاویری که با کمک دوربین‌های باسلر گرفته می‌شوند، امکان شفاف سازی اختیاری تصویر و فیلتر کردن نویز در مراحل بعدی را نیز فراهم می‌کنند.