Fondamentaux images

Quand est-ce l'imagerie optique, il est toujours un certain «bavures» de l'image résultante par rapport à ce qui est montré. Cette détérioration de l'image peut être caractérisée par expliquer ce qu'est le système d'imagerie à un moyen simple point, qui est, comme il lubrifie partir de ce moment. Un aspect caractéristique ceci est connu comme un point de fonction (propagation PSF).

Dans l'applet ci-dessus, nous avons l'image de deux points (ou au moins deux sources ponctuelles.) Comme on peut le voir dans la moitié inférieure de l'applet sont les sources (avec un fichier PSF avec une largeur) barbouillé. Plus la PSF, qui doivent en outre deux points en dehors de nous, ils peuvent être séparés visuellement dans l'image. La partie supérieure de l'applet montre une fonction 1-D de la partie centrale de l'image. Dans un système d'imagerie classique, peu importe comment, nous nous concentrons l'image, ou pour optimiser la diffraction optique causé une certaine largeur et la forme de la PSF Si nous diffraction ce seul effet, Nous pouvons nous approcher une expression analytique de la distance minimale entre le point sources obtenus qui peuvent être résolus.

Une approche classique pour stocker une image sur un ordinateur numérique, est à travers l'image dans une grille d'échantillonnage rectangulaire. La couleur ou l'intensité de chacun de ces points d'une valeur numérique convertie et stockée par ordinateur. Mis à part la couleur et l'intensité de ces points spécifiques, tout le reste est ignoré lorsque l'image est stockée dans l'ordinateur.

Si c'est photo numérique, nous avons de nouveau de former une image continue par interpolation entre les échantillons stockés. Une façon d'interpolation à faire, c'est-à-dire que pour chaque point («continue»), nous avons seulement la valeur pour sélectionner l'échantillon suivant. Ceci est connu comme l'interpolation prochain voisin, et les causes de chaque échantillon numérique de l'image sur l'écran comme un bien définies carrés sont dessinés. Interpolation bilinéaire ou d'ordre supérieur, soit homogène, fluide et «réel» de reconstruction d'image.

Indépendamment de la reconstruction, comme nous de l'image quand il n'ya pas suffisamment d'échantillons numériques utilisés, c'est à dire, pas suffisamment d'échantillons par zone de l'image, nous ne pouvons pas l'image d'origine continue d'être reconstruite. Dans ce cas, contient l'image numérique n'est pas la même information que l'image d'origine. Le contenu de fréquence spatiale de l'image originale conduit à un autre contenu Fréquence géographiques dans l'image numérique. C'est ce qu'on appelle l'aliasing.

Afin de reconstruire l'image originale peut (c.-à éviter le repliement), nous avons une fréquence spatiale qui est supérieure au double de la plus haute fréquence spatiale de l'exemple l'image d'origine. Ce résultat est que Nyquistschen Shannon théorème d'échantillonnage (ou simplement le théorème d'échantillonnage) connus. L'applet ci-dessus est (re) essayer et une image de la peinture chaque échantillon comme un carré (étendu) de reconstruire. Dans les régions où l'image d'origine a une fréquence spatiale élevée (ou d'une haute résolution, ou un niveau élevé de l'information), l'aliasing est apparente, et l'image capturée un contenu différent de ce qui est dans l'image originale.