[2014-8-17更新]你还在用小波锐化作为锐化的首选吗？
本帖最后由 HL_David 于 2014-8-17 15:57 编辑在开始今天的主题之前，请大家先思考一系列非常重要的问题：什么是锐化？为什么要锐化？锐化可以提高分辨率吗？为什么论坛中几乎所有的锐化都是由小波锐化完成的？小波锐化究竟是不是最好的选择？
本文中使用的所有软件如下：Image Pro Plus 6.0，强大的图像测量和分析系统，主要用于生物图像的分析；MaxIM DL，最流行的天文学图像处理软件；Photoshop CC，这个无需多言，大家都懂。
今天我们用于第一轮测试的图像是从IEEE相机分辨率标版上截取的一块，由不断收窄的9条黑线组成。
将原图在Photoshop CC中高斯模糊，半径为1，结果如下：
我们仔细观察可以发现，模糊后的图像从右端到左端都可以数出9条黑线，即使在最左边也可以勉强数出，所以我们认为，在半径为1的高斯模糊之后，以数字17处的黑色线条作为标准，图像的分辨率没有发生变化。但是由于黑白边界之间的像素发生了融合，因此边界的反差降低了，给人以模糊、不清晰的感觉。
下面我们首先执行Photoshop中最基础、也是最常用的锐化：USM锐化，半径为1，强度100%，看起来效果非常好。这是由于USM锐化的数学模型与高斯模糊一样，都是以高斯分布作为算法基础的，在明确知道模糊半径的情况下，去模糊的效果极佳。
接下来我们尝试MaxIM DL内置的小波锐化，根据本图片的实际情况，主要调整的是代表高频细节的wave1和wave2。乍一看效果也不错，但放大看你会发现黑色的条纹不再那么黑了，纯色色块的边缘极易产生伪像，这是小波锐化最大的缺点，在背景较黑的行星摄影中，更容易在球体周围产生伪像。
接下我们介绍一个图像增强滤镜：高通滤镜。高通滤镜用来强化图像中的高频信息，也就是图像的细节。这里选用Image Pro Plus 6.0内置的Hipass滤镜，结果在右边显示，可以看到，高通滤镜的效果极其显著。
最后介绍的是反卷积，来自于MaxIM DL，这里我们选用Lucy-Richadson算法，结果如下图所示。在这一轮的比较中，反卷积的效果似乎是最差的，黑白线条的反差并没有达到最佳的状态，唯一的优势可能是线条的边缘自然而不生硬，但是在大多数情况下，我们都是希望图像能够尽可能锐利的，如果图像中只有线条，那么我们自然希望线条的边缘黑白分明。不过没有关系，今天的比较才刚刚开始。
在上一轮的比较中，USM和Hipass的效果非常好，反卷积其次，小波锐化由于伪像明显，不具优势。这一轮中，我们将原图高斯模糊2.5半径，这一次原图的分辨率被严重的降低至12线的位置，12以左的位置不能有效的分辨，右图显示12线处反差图，仅能勉强分辨出9条黑线。究竟哪种锐化方式能够最大程度的恢复这样一张严重模糊的图像呢？
首先是小波锐化，小波锐化改善了图像模糊，下右图显示12线处的线条比原图的反差高，但是12.5线处的错误的线条没有任何改观，图像的分辨率没有提高。
高通滤镜对于这种严重模糊的图像也是一样的无能为力，但是其强化右端线条反差的能力比小波略强一点，且在12线处的黑线灰度更加均一，说明更接近原图。
那么，上一轮中成绩一般的反卷积，会有怎样的表现呢？下图是大约200次iteration的反卷积结果，可以清楚的看到，图像的分辨率有显著地提高！在13.5线的位置仍然有较好的结果，所有9条黑色线都能清晰的被分辨。
在我们今天用到的3个软件中，除了MaxIM DL中提供了可以提高分辨率的反卷积工具，Photoshop中也提供了一个具有类似功能的滤镜，位于“滤镜>防抖...”菜单中（仅在Photoshop CS6以上版本具有此功能）。
防抖滤镜的工作流程，是软件自动，或者认为选择一块图像区域用于模糊评估（获得点扩散函数PSF），然后再根据模糊的形式进行恢复。所以，防抖滤镜的本质也是反卷积。下图是应用一次防抖滤镜的结果，可以看到分辨率也有所提高，但是由于iteration不可控制，PSF也不能精确控制，因此效果不如MaxIM DL的好。
再执行一次防抖滤镜，效果更强烈了。
从这一轮实验我们得出了今天的重要结论：一切不以反卷积为算法的锐化工具都不能提高分辨率，只能强化反差来获得更好的视觉效果，一切以反卷积为原理的锐化工具则可以提高图像的分辨率。那么经典的小波锐化到底有什么魅力能够俘获绝大部分天文爱好者的心，在论坛中广为流传呢？小波锐化的优势在于你可以在一次应用中选择性的分别强化不同频率的信息，如果使用其他方法例如USM，你可能需要以不同的半径执行多次。但是小波锐化对提高分辨率没有任何帮助，在行星处理中也非常容易带来边缘伪像，之所以广为使用，我想这大概是由于行星叠加软件都默认提供小波锐化吧。
上面进行的是人造的分辨率标版的测试，为了给大家以更加直观的认识，下面进入实战考验。下图是一张叠加好的木星照片，选自本论坛叠加大赛的素材，AS!2叠加，从图中我们隐约能看到不少细节：
首先是最流行的小波锐化，不可避免的产生了边缘伪像，这是论坛最常见、最典型的行星摄影的后期形态，更不用说这里的下手其实很轻，在重度后期的图像中，我们经常能看到木星、土星周围的大波纹。
高通滤镜在行星摄影中的效果中规中矩，不过黑色云带中的那个小白斑已经有了不错的表现。
下面作图是单纯反卷积的结果，可以看到出现了许多微小的细节，增加了图像的丰富度。熟悉摄影的朋友一定知道，富含细节的图像往往是反差较低的，正所谓高反差镜头一般是低分辨率镜头，而高分辨率镜头一般是低反差镜头，因此最好的做法是反卷积与其他边界强化滤镜联用，例如USM，如右图所示（反卷积+USM）
从上面的木星实例中可以看到反卷积的潜力，下面我们试试月面摄影，。月面摄影是十分吸引人的项目，不过要想获得一张细节丰富的动人照片可不容易。
首先是小波锐化，我们可以看到，在月面摄影的处理中，小波锐化的结果也是相当不错的，这是因为面状的信息经过小波变换之后很难看到像行星处理中一样的边缘伪像。但是仔细观察发现，大环形山的边缘不是很自然。
单纯的反卷积，图像细节非常丰富，但是反差较低，如果仅仅是用于去模糊，反卷积已经足够，如果你还想进一步提高视觉效果，则需要USM或者一个较弱的高通滤镜的辅助。
最后是单纯的高通滤镜，高通滤镜在类似月面摄影这样具有较大动态范围的图像中可以轻易的获得极高的反差。
从本帖的讨论中大家可以清楚的看到，反卷积是通过后期手段提高分辨率的唯一途径，因此反卷积在天文和显微镜图像后期处理中具有极其重要的作用（在显微镜图像的处理中效果尤其显著）。MaxIM DL中提供的Lucy-Richadson算法的反卷积非常经典，最大熵算法对于某些特定的图像有奇效前提是正确设置泊松分布的噪点模型，adaptive Lucy-Richadson算法的适用范围比较广，但是提供此算法的软件不是很常见。需要指出的是，反卷积提高分辨率的能力是有限的，而且也会强化噪音，因此对PSF的优化是重中之重，在所有后期开始之前，获取一张高信噪比的原始图像是很有必要的。
在本文的最后简单介绍MaxIM DL中反卷积的操作方法。
MaxIM DL中的反卷积命令由三个标签组成，分别用于设定噪点模型，点扩散函数和反卷积算法。噪点模型是极其重要的参数，它决定了反卷积将要应用于多大亮度范围的图像信息，如果噪点模型设置错误，反卷积的效果可能变得极差。对于初学者，简单的使用Auto-Extract就可以了。
点扩散函数定义了你的图像是以何种形式被模糊的，对于初学者，半径为1的高斯模型是很好的尝试起点，或者从分离的星点中提取。
反卷积算法中Lucy-Richadson算法比较保守易用，根据图像的大小设置10~200次的iteration是合适的，一般先尝试10次iteration。Image Chi Square仅在Lucy-Richadson算法时可用，随着iteration的增加Chi Square应当不断减小，通常用于辅助判断何时结束iteration。
究竟应该进行多少次iteration是反卷积一个重大的问题，iteration不足，图像还未得到充分的强化，iteration过多，噪点将会得到显著强化。Chi Square可以辅助判断终点，不过最主要还应该是目视图像效果。如果星点的周围出现强烈的黑色圈圈，通常说明PSF半径过大，或者iteration过多。
沙发自己坐！ 月面那张我喜欢倒数第二张的效果
我觉得，高反差适合显示设备比较差的大众口味，而较低一点发差的更符合有过一些美术修养并且显示设备比较好的人的欣赏口味 感谢楼主呕心沥血的帖子，很有学习价值，收藏慢慢学习。 感谢呕心沥血 学习，收藏了 Maxim DL、PixInsight、Astra Image、ImagesPlus、Astroart、IRIS…… 感谢，后期学习路漫漫，加上我对图像处理技术不懂，得慢慢研究 ecloud 发表于 2014-8-5 16:31
月面那张我喜欢倒数第二张的效果
我觉得，高反差适合显示设备比较差的大众口味，而较低一点发差的更符合有 ...
显然在我和你的眼中，倒数第二张是最好的，不过在别人眼里可不是这么显然的。很多时候你在论坛上面发一张比较柔和的图，别人就会问你怎么不锐化？其实很多时候已经保持了合适的反差，奈何在提问者眼中，还非要像最后一张那样才觉得锐化到位了
很好的经验总结，测试辛苦啦 不错，可是反卷积在MDL里怎么操作呢？ 楼主辛苦了，这种测试很有帮助。 楼主等级不高就成为大神了啊。。。。。。佩服佩服！ 不错的资料，顶楼主！ 收藏一下 马 zengbinhot 发表于 2014-8-5 18:21
不错，可是反卷积在MDL里怎么操作呢？
菜单命令filter>deconvolve来激活对话框，从左到右三个标签，依次是设置噪声，设置PSF，以及反卷积的算法和参数 好厉害，最好这些高端的技术有图教程给咱这样的小白嘞 全文重新梳理和更新，与大家分享
页:
[1]
2