Имя (желательно полное):

E-Mail:

URL:

Город:

Страна:

Вежливый и подробный комментарий:
(Форматируйте его, пожалуйста, как почту - короткими строками
Еnter в конце строки, пустая строка между параграфами).
> > > Уважаемый Виталий. > > > Во превых с Лукиным я занком по скромной переписке. > > > Во вторых пишите мне например сюда > > > minorlogicСОБАКАyahooТОЧКАcom > > > По сабжу: > > > Идеальной реконструкции можно добиться стандартными средствами типа, Sinc интерполяции, полным преобразованием фурье и многими другими. > > Здравствуйте Михаил. > > Не знаю как на счет Sinc (что за алгоритм если коротко), но Фурье преобразование дает заметно более худшее преобразование нежели бикубическое. Это легко видить на примерах когда сравниваешь интерполированное изображение и сравниваешь его с извесным заранее правильному результату (артефакты и перераспределение яркости налицо) > Sinc - идеальная свертка бесконечной длины поищите по ключевым словам Windowed Sinc, Lanczos. Фурье в хорошем исполнении можно посмотреть тут > http://www.vega.0catch.com/overview/chap9.html > > Если провести черную прямую - то: > > То, что этот вытянутый объект имеет черный чвет и похож на прямую - это доступная информация > > то, что у нее резкий край - это скрытая информация (поскольку край может быть замылин в пределах одного пикселя и т.д.) > > то, что край прямой - это потерянная информация, однако с большой долей вероятности можно утверждать, что это так. > > > > Как это сделать ? да запросто ! Для начала выбираем некую функцию для оценки визуального качества, и к примеру итеративным алгоритмом сваливаемся в локальный минимум ошибки. > > Очень интересно, но, к сожалению, не понятно. Поясните пожалуйста на каком-нибудь примере. Что эта за функция что это за локальный минимум. Просто мне не ясна Ваша мысль, а это, похоже, ключевая идея... > Итеративный алгоритм предполагает , что мы имеем некоторое ПРИБЛИЖЕННОЕ увеличенное изображение, затем его УМЕНЬШАЕМ и сравниваем с оригиналом, если есть ошибки то меняем ( хоть случайным образом ) наше приближенное увеличенное и опять уменьшаем. Если стало лучше то изменение оставляем. Это мощнейший алгоритм который например позволяет восстанавливать размытые изображения. В нашем случае мы создадим наше увеличенное исходя из его лучшего визуального восприятия , и будем менять пока не добъемся что при уменьшении оно совпадет с оригиналом. > > Далее рекомендую все же посмотреть фрактальный увеличитеть Genuine Fractals кажется называется который как раз и вносит высокочастотный шум причем берет его из более низких частот.

Пожалуйста, заполните все поля.
И не нажимайте по два раза на кнопку! Дождитесь ответа сервера.