Les bonnes résolutions de Will : n°2, Purbach

[Nebulium 1 437]

OK, clair!

Est-ce que je lance le nouveau fil ?

J'ai cru comprendre que le PSNR était seulement une notion relative caractérisant la différence entre deux images dont l'une est choisie comme référence.

Et puis-je avoir le script Julia pour le SSIM qui serait une mesure absolue ? Merci

[-ms- 2]

Ben quand l'image à tester se rapproche de l'image de référence (comme Lena 256) alors elle devient la nouvelle image de référence. Pour juju c'est compliqué d'avoir une image de référence quand tu ne disposes pas d'Hubble alors il faut supposer que le processus de super-résolution se rapproche de l'image de référence. Pour les images du Pic c'est plutôt facile parce que les brutes sont de bonne qualité mais pour l'amateur lambda il faudra bien trouver le système d'acquisition (recalage adaptatif ?) qui lui permette de faire de la super-résolution dans de bonnes conditions comme avec Lena et les brutes du Pic.

L'algorithme SSIM est dans un prochain article intitulé : "Images de test et SSIM" (c'est la suite du deuxième article).

Si tu penses que c'est plus clair de faire un nouveau fil alors lances le.

Pour l'image en niveau de gris de Lena, l'image HR (42.38 dB) s'approche à 1% de l'image de référence, c'est pratiquement la même image. Il y a donc tout intérêt de traiter les images couleurs canal par canal jusqu'au bout pour obtenir une image HR la plus fidèle possible (HR rouge, HR vert, HR bleu, HR couleur).

[Ce message a été modifié par ms (Édité le 18-03-2015).]

[Nebulium 1 437]

quote:

---

Ben quand l'image à tester se rapproche de l'image de référence (comme Lena 256) alors elle devient la nouvelle image de référence.

Pour juju c'est compliqué d'avoir une image de référence quand tu ne disposes pas d'Hubble alors il faut
supposer que le processus de super-résolution se rapproche de l'image de référence.

---

Hé, tu m'inquiètes, là :

Est que tes super-algos ont besoin d'une image de référence pour tourner?
Je croyais qu'ils fonctionnaient par auto-itérations, comme ceux de déconvolution aveugle, et que l'image de référence
ne servait qu' après coup pour mesurer la qualité de l'amélioration quand on a l'opportunité d'avoir une vraie image de référence.

La méthode n'aurait alors d'intérêt que pour la Lune avec beaucoup de patience pour la bonne heure ou alors pour
que les cadors des gros diamètres portent assistance aux plus petits shootant en même temps !

quote:

---

Pour les images du Pic c'est plutôt facile parce que les brutes sont de bonne qualité mais pour l'amateur lambda il faudra bien trouver le système d'acquisition
(recalage adaptatif ?) qui lui permette de faire de la super-résolution dans de bonnes conditions comme avec Lena et les brutes du Pic.

---

Ceci semble me confirmer la déprimante hypothèse ci-dessus
Quand j'ai vu le GIF des damiers, j'ai cru au Père Noël, alors ?

quote:

---

L'algorithme SSIM est dans un prochain article intitulé : "Images de test et SSIM" (c'est la suite du deuxième article).

---

OK, merci

quote:

---

Si tu penses que c'est plus clair de faire un nouveau fil alors lances le.

---

OK, j'y vais tout à l'heure.

Mais je souhaiterais qu'il reste une sorte de challenge de traitements, rien que des images avec leur mode d'obtention
et une courte appréciation visuelle ensuite, mais que l'on revienne sur ce fil pour toutes les discussions et conclusions techniques

quote:

---

Pour l'image en niveau de gris de Lena, l'image HR (42.38 dB) s'approche à 1% de l'image de référence, c'est pratiquement la même image. Il y a donc tout intérêt
de traiter les images couleurs canal par canal jusqu'au bout pour obtenir une image HR la plus fidèle possible (HR rouge, HR vert, HR bleu, HR couleur).

---

Je vais le signaler dans le nouveau fil.

[Ce message a été modifié par Nebulium (Édité le 18-03-2015).]

[-ms- 2]

quote:

---

Est que tes super-algos ont besoin d'une image de référence pour tourner?

---

Rassures-toi, ils n'ont besoin que des images brutes pour tourner.
Je veux dire que si le PSNR de l'image HR est très élevé alors elle tend vers l'image de référence qui nous est pas accessible.

============================================================
Par contre j'ai un petit bug dans l'interpolation qui reste quand même meilleure que celles du commerce mais pas autant performante qu'annoncée.
Pour les autres étapes : pas de problème.
Je fais bien d'attendre que tout soit complètement testé avant de poster le code.
============================================================

[Ce message a été modifié par ms (Édité le 18-03-2015).]

[Nebulium 1 437]

"PSNR de l'image HR est très élevé"

Chuis un peu paumé
On peut mesurer un PSNR absolu ?

_________________________________________________________

Voilà, c'est parti pour le T1m, j'ai testé les liens vers les fichiers.

On attend un peu pour voir comment ça bouge

Le fidèle Polo avait déjà démarré au 1/4 de tour alors que je j'étais en train de déboguer les liens de la 1ère édition de mon message

Merci Polo ! )

[Ce message a été modifié par Nebulium (Édité le 19-03-2015).]

[polo0258 39 113]

oui neb
mais j'ai encore 90 films de jupiter d'hier soir à faire !
polo

[Nebulium 1 437]

Bon courage Polo !

Par hasard, n'aurais-tu pas conservé des films shootés en même temps que des publications 14" de nos cadors nationaux ?

Ce serait une excellente base de travail pour démontrer aux astrams courants que 9" nouveau = 14" ancien

=> ms J'ai retrouvé dans le fil de CN 2010 d'autres traitements :
. http://www.rkastrofoto.appspot.com/site_media/astro/orig/jowisz-picdumidi-29-09-2010/rgb.jpg
.
Voir sur cette page en particulier :
. http://www.cloudynights.com/topic/291761-jupiter-moon-sun-from-the-pic-du-midi/page-10
.
et ces empilements de JLD :
. http://www.astrosurf.com/eternity/winjupos/
.

[Ce message a été modifié par Nebulium (Édité le 19-03-2015).]

[Nebulium 1 437]

Hello

ms =>
1. J'ai fini par trouver le Pic 2010 sur CN

avec un SER mono R+IR

2. fenêtre 1024x1024 -> ligne 1 à 1023, colonne 80 à 1103
Bizarre, ce cadrage !
C'est voulu ?

[-ms- 2]

A quelle page se trouvent les couches R+IR ?

1024x1024 à partir des images existantes des couches R,G,B (le disque n'est pas parfaitement centré).

Les méthodes des 3 premiers parcours ont montré comment atteindre des valeurs de PSNR élevées avec quelques images. Ici le nombre d'images va croître de 3, 6, 12, 24, ... pour atteindre une valeur optimum du PSNR.
Un bon parcours c'est par exemple : un algorithme 2D GCD (Greatest Common Divisor) aveugle pour la restauration suivi d'un algorithme GFF (Guided Filtering Fusion) pour la fusion puis d'un algorithme de régularisation inverse pour l'interpolation (comme dans les deuxième et troisième pour la fusion et l'interpolation).

Avec 3 images on combine 1&2, puis 1&3, puis 2&3 et la fusion donne un résultat médiocre avec GCD (d'où l'intérêt des méthodes utilisées en restauration dans les 3 premiers parcours).
Avec 453 images, on a 102378 combinaisons et la fusion donne un résultat excellent mais ce résultat peut déjà être atteint avec moins de 453 images (variable en fonction des conditions de turbulence).

Un autre bon parcours c'est d'utiliser les algorithmes de régularisation des parcours 2 et 3 en groupant les images brutes de la façon suivante : 1,2,3 | 3,4,5 | 5,6,7 | ... | 451,452,453. En effectuant les opérations en // on obtient un résultat aussi rapidement que la méthode précédente mais beaucoup moins sensible au bruit, intégrant le recalage, exempt d'artefact, conservant les bords et utilisant un algorithme non itératif. D'autres essais peuvent être faits en groupant les images par 4, 5, ...

Les méthodes actuelles basées sur une sélection des meilleures images vont dans le sens opposé et les écarts en PSNR augmentent quand la qualité des images brutes se dégrade avec la turbu. Autre inconvénient de ces méthodes basées sur une moyenne des trames c'est de ne pas profiter de la proximité temporelle ce qui conduit à un lissage (perte de détails) contrairement à la méthode proposée qui met en oeuvre la proximité spatiale (image découpée en région) et termporelle (images regroupées 3 par 3 par exemple).

[Ce message a été modifié par ms (Édité le 20-03-2015).]

[Nebulium 1 437]

"A quelle page se trouve les couches R+IR ?"

J'avais mis le lien hier sur SR2, j'ai cherché de nouveau ,
p 5 du CN 2011 :
. http://www.cloudynights.com/topic/346237-pic-du-midi-2011/page-5
. http://www.planmou.com/jld/jupi_2011_10_14_221429_R_IR.zip
.
Il m'a l'air cassé
Il y a aussi des B

En fait, il y a plusieurs traitements de JLD et Emil sur le fil CN 2011.
Si veux faire un tri :
. http://www.cloudynights.com/topic/291761-jupiter-moon-sun-from-the-pic-du-midi/
. http://www.planmou.com/jld/jupi_2011_10_14_221429_R_IR.zip
. http://www.astrosurf.com/eternity/winjupos/
. http://www.cloudynights.com/topic/291761-jupiter-moon-sun-from-the-pic-du-midi/page-10
. http://www.rkastrofoto.appspot.com/site_media/astro/orig/jowisz-picdumidi-29-09-2010/rgb.jpg
. http://www.cloudynights.com/topic/346237-pic-du-midi-2011/page-7
. http://www.cloudynights.com/uploads/monthly_10_2011/post-25173-14073815497267_thumb.jpg
. http://www.cloudynights.com/topic/346237-pic-du-midi-2011/page-5
. http://www.cloudynights.com/uploads/monthly_11_2011/post-25173-14073819464888.jpg
. http://pirene.eu/video/jupiter.zip
. http://www.astrosurf.com/eternity/winjupos/
. http://www.astrosurf.com/eternity/temp/jupiter14octobre2216.jpg
. http://www.planmou.com/jld/jupi_2011_10_14_221620_B3.zip
. http://www.astrosurf.com/eternity/temp/jupiter14octobre2216.jpg
. http://www.planmou.com/jld/jupi_2011_10_14_221429_R_IR.zip
. http://www.cloudynights.com/uploads/monthly_11_2011/post-25173-14073819464888.jpg
. http://www.planmou.com/jld/jupi_2011_10_14_221620_B.zip
. http://astrosurf.com/eternity/temp/jupiter14octobre2216.jpg
. http://astrosurf.com/eternity/temp/jupiir1410201122h53.jpg
. http://astrosurf.com/eternity/temp/jupiir1410201122h53couleur.jpg
. http://www.planmou.com/jld/jupi_2011_10_14_221620_B3.zip
.

Je reviens + tard pour la suite...

[Nebulium 1 437]

"1024x1024 à partir des images existantes des couches R,G,B (le disque n'est pas parfaitement centré)."

Hum, complètement au bord avec la coordonnée 1 !

Autre chose :
Les films du Pic sont très peu bruités.

Voici encore un excellent SER_G de 951 images avec GTR qui marche !

Mais il conviendrait de commencer à regarder comment se comportent tes algos pour le bruit par exemple
sur le film de Marc au C11 plus représentatif de notre réalité.

[Ce message a été modifié par Nebulium (Édité le 20-03-2015).]

[-ms- 2]

quote:

---

Mais il conviendrait de commencer à regarder comment se comportent tes algos pour le bruit par exemple sur le film de Marc au C11 plus représentatif de notre réalité.

---

Là aussi Lena vient à notre secours : tu fais varier le bruit et tu mesures l'impact sur le PSNR. L'algo de restauration que j'utilise est justement très robuste au bruit. Il faut que je complète les parcours 2 et 3 avec cet élément qui vient s'ajouter à la préservation des bords, à l'absence d'artefacts. Après quand on a épuisé les possibilités des images synthétiques, on passe aux images réelles comme Jupiter au Pic ou ailleurs.

Pour Jupiter au Pic, je prépare le comparatif avec dans un premier temps une fenêtre 256x256 et par la suite l'image complète. Les premières images reçues sont très intéressantes.

[Nebulium 1 437]

quote:

---

Les premières images reçues sont très intéressantes.

---

Oui, quelques bons traiteurs ont déjà répondu à l'appel, merci à eux !

As-tu une idée de l'incidence du JPEG /PNG sur le PSNR ?

quote:

---

tu fais varier le bruit et tu mesures l'impact sur le PSNR

---

Ben oui, j'ai bidouillé le "SNR = 40" ici :

code:

---

# Noisy (40 dB) and blurry (5x5) image 1
f = imread("lena_gray_256.tif")
f = separate(f)
f = f[:,:,1]
(M,M) = size(f)
h = zeros(M,M)
h[1:5,1:5] = ones(5,5)/25
H = fft(h.').' # two-dimensional fft
F = fft(f.').'
G = F.*H
g = ifft(G.').' # inverse two-dimensional fft
g = real(g)
SNR = 40
gg = reshape(g,(M*M,1))
n_var = var(gg)/10^(SNR/10)
sigma = sqrt(n_var)
g = imfilter_gaussian(g,[0;sigma])
g = max(g,0)
g = min(g,1)
imwrite(g,"registration1.tif")

---

Je n'ai rien vu grouiller sur l'image finale...
J'ai dû louper un truc !

Je cherche à obtenir une Lena G comme ceci :
.

Avec Vdub, je peux fabriquer ce genre de bruit :
.

Il me semble que l'equi (à gauche) correspondrait mieux.
Par contre pour l'image de caméra astro, cette proportionnalité du bruit à l'amplitude du signal me pose question...

Et voici un outil pour vérifier les bidouillages.

[Ce message a été modifié par Nebulium (Édité le 20-03-2015).]

[-ms- 2]

quote:

---

Je n'ai rien vu grouiller sur l'image finale...
J'ai dû louper un truc !

---

Tu as la relation :
SNR = 10 log(variance(image) / variance(bruit))
donc quand SNR passe de 40dB à 20dB, la racine carrée de la variance (sigma) varie dans un rapport de 10 à 1 (plus le rapport est petit plus le bruit est important). Pour Lena 256, je fais varier sigma de 40dB à 20 dB pour passer de l'aspect Jupiter Pic du Midi à Jupiter Marc.

[Ce message a été modifié par ms (Édité le 20-03-2015).]

[-ms- 2]

quote:

---

Je cherche à obtenir une Lena G comme ceci ...

---

Pour les images "pourries" (SNR < 10 dB et flou 13x13 important) il faut des algorithmes encore plus robustes au bruit et au flou comme FtVd ou ADM :

Ce sont de nouveaux parcours dans le labyrinthe.

Il faut éviter les algorithmes parfois plus performants qui donnent un effet "cartoon" ... pas top sur juju.

[Nebulium 1 437]

quote:

---

Tu as la relation :
SNR = 10 log(variance(image) / variance(bruit))

---

Dans le code ci-dessus, quand je change la valeur
SNR = 40 en 20 ou 10
rien ne change en sortie, je n'y vois que du "blur" propre

J'ai arrangé le script pour afficher l'image de départ et l'image calculées. OK
Pour voir net, j'ai modifié la ligne ci-dessous en :
h[1:1,1:1] = ones(1,1)/1
à défaut de savoir quoi virer pour ne pas "blurrer"
C'est net, OK, mais pas bruité
????

PS, au passage, je ramasse :

julia> g = imfilter_gaussian(g,[0;sigma])
WARNING: sigma is too small for accuracy

[Ce message a été modifié par Nebulium (Édité le 21-03-2015).]

[-ms- 2]

C'est ce type d'image pourrie que tu veux obtenir ?

Je le trouve où le fichier de juju de Marc ?

En fait, une fois que tu as 2 algorithmes (recalage et restauration) robustes au bruit alors tu peux traiter les images pourries.

Après, il faut le recalage robuste au bruit et aux déplacements pour traiter les images encore plus pourries comme celles qui passent à la poubelle actuellement.

quote:

---

rien ne change en sortie, je n'y vois que du "blur" propre

---

Normal c'est un bruit blanc mais quand tu fais le traitement avec SNR=40dB puis SNR=20dB et bien tu la vois la chute du PSNR. Je mettrai à jour les parcours 2 et 3 pour montrer que l'algo de restauration résiste au bruit blanc mais dans une certaine limite d'où la recherche d'algos encore plus robustes au bruit.

[Ce message a été modifié par ms (Édité le 22-03-2015).]

[Nebulium 1 437]

"C'est ce type d'image pourrie que tu veux obtenir ? "
Vouiiiiiiiiiiiiii

"Je le trouve où le fichier de juju de Marc ?"
Là : http://dl.free.fr/h93M3KESt

[-ms- 2]

Ah oui, il faut se taper la pub puis taper le nom de l'annonceur pour pouvoir télécharger

Merci pour l'avi, je vais faire un essai avec les 2 algos de restauration robustes au bruit que je suis en train de porter sous Julia (ADM/FtVd et deconvtv).

Pour la vidéo complète, il faudra attendre que l'algorithme de recalage par démons soit complètement porté sous Julia.

[Nebulium 1 437]

Tu ne m'a tjs pas dit ce qui n'allait pas dans mon code ???

Oui, pour la vidéo, avec les antipub dans le navigateur, le dnl peut poser problème, dis-moi si c'est OK pour toi.

Les images sont comme ceci :
.

Ce fichier n'est qu'un échantillon de la prise complète.
Selon ce que tu en sortiras, ça fera du bruit dans les chaumières

[-ms- 2]

J'ai récupéré 600 images 640x480 que j'ai converti en png.

Pour ce niveau de "déformation/flou/bruit" 600 images c'est un peu du gaspillage. Avec une centaine d'images, tu atteints déjà pratiquement la valeur maxi du PSNR après tu ne grattes que des dixièmes.

En fait le plus intéressant, c'est de faire le // entre Lena et Jupiter dans la résolution d'un problème inverse mal posé par une méthode de régularisation (ajout d'information a priori). Cette vidéo est parfaite pour cela et je vais l'utiliser dans un prochain parcours.

Pour ton problème de code, c'est peut-être un problème lié à Windows parce que je n'ai pas ce problème sous Linux comme le montre l'exemple suivant en sortie de fusion avec Lena 128x128 en niveau de gris :
SNR_ (dB) = 40.0 | 30.0 | 20.0 | 10.0
PSNR (dB) = 29.7 | 27.0 | 24.1 | 20.7
Entre SNR 40dB et SNR 10 dB (bruit multiplié par 100), il y a un écart de 10 PSNR avec cet algorithme, ça vaut peut-être le coup d'améliorer l'algo existant qui n'est pas itératif.

[Ce message a été modifié par ms (Édité le 22-03-2015).]

[Nebulium 1 437]

quote:

---

J'ai récupéré 600 images 640x480 que j'ai converti en png.
Pour ce niveau de "déformation/flou/bruit" 600 images c'est un peu du gaspillage.
Avec une centaine d'images, tu atteints déjà pratiquement la valeur maxi du PSNR après tu ne grattes que des dixièmes.

---

Le compte est bon, le film d'origine est bien plus long :
"un court extrait de ma vidéo réalisée le 12/03 (conversion SER -> AVI/DIB de 600 images, triées, centrée)"
dixit Marc
- Images recentrées : Je ne me souviens plus si PIPP recentre en fraction de pixel, ce qui impliquerait un précalcul
d'interpolation entre pixels voisins qu'il vaudrait mieux prohiber, non ?
- Images triées : effets d'adjacence perdus ?
- Le SER était peut-être en mieux que 8 bits

Suite du message de Marc :
"Oui ce sont des conditions assez moyennes même si ce n'est pas représentatif de la moyenne de mes conditions.
C'est ce qui explique que je me limite TOUJOURS a des expositions assez faibles (là 20ms, 30ms les bonnes
nuits, et 50ms les nuits exceptionnelles, 1 fois par an peut être voire moins).
Par contre dans cet intervalle on trouve les instants très piqués (il faut viser ces trous lors de la
collimation) qui me permet d'extraire une bonne image dans le flux de bouillie. Du coup la caméra débite assez
pour me donner 4000 à 5000 images en ~90" et j'en utilise 1000 à 2000 au compositage.
Mais il faut bien garder à l'esprit que c'est l'exposition (paramètre dérivé de la sensibilité de la
caméra donc) qui en figeant la turbulence, donne des images nettes. Le bruit de la caméra (à cause du gain)
sera lissé par le volume d'images composité. Donc finalement je préfère une capture à 15 ou 20ms avec 50%
de gain (c'est déjà beaucoup à la QHY), qu'une image à
30ms avec 10 ou 20% da gain. Certes la seconde sera plus "douce" mais sans beaucoup de détails."

Voir aussi ici

quote:

---

En fait le plus intéressant, c'est de faire le // entre Lena et Jupiter dans la résolution d'un problème inverse mal posé par une méthode de régularisation
(ajout d'information a priori). Cette vidéo est parfaite pour cela et je vais l'utiliser dans un prochain parcours.

---

Si cette vidéo te convient déjà (pour mieux je peux retenter un appel à Marc),
très bien, tout le monde t'attends là
Je voulais chercher sur les fofos si un scope > ou = 14" était passé par là à ce moment (11/3, avec la GTR),
pas encore eu le temps.

quote:

---

Pour ton problème de code, c'est peut-être un problème lié à Windows parce que
je n'ai pas ce problème sous Linux comme le montre l'exemple suivant en sortie de fusion avec Lena 128x128 en niveau de gris :
SNR_ (dB) = 40.0 | 30.0 | 20.0 | 10.0)
PSNR (dB) = 29.7 | 27.0 | 24.1 | 20.7
Entre SNR 40dB et SNR 10 dB (bruit multiplié par 100), il y a un écart de 10 PSNR avec cet algorithme, ça vaut peut-être le coup d'améliorer
l'algo existant qui n'est pas itératif

---

in fine, c'est le seul truc qui grimace chez ma Julia en ce moment.
Par acquit de conscience, j'ai ajouté le package "Matlab", mais je ne sais pas comment l'invoquer.
De toute façon, j'aurais dû avoir une erreur...

Et comme je présuppose que "ton" bruit n'est pas aléatoirement variable dans le temps et que je ne sais pas (encore)
caresser les boucles de Julia, j'ai demandé à Polo un film de "flats"
de bruit qui va me permettre avec VirtualDub et Avisynth de terminer
mes simulations de videos pour Lena en mono et RGB, Clavius et Juju.
Tu pourras affûter tes algos secrets !

Ben voilà :

- Déformée/déplacée variable dans le temps
- Floutée variable dans le temps
- Bruit astro équi, proportionnel à la luminance, grouillement variable dans le temps niveau ajustable et même variable dans le temps si l'on veut
.

Tu veux combien d'images différentes, of course ?

_________________________________________________

Je reviens sur le calcul du PSNR.

Partant de l'image G256 réduite en 50% de l'officielle selon un algorithme à indiquer (l'essai d'une réduction par "bicubic spline",
sans erreur de gamma - base 2.2 - indique déjà 30 db), j'ai modifié le point bas de 0 à -5 unités (soit 2 %)
sans toucher au point haut 255 de la droite de rendu, ce qui revient à une très légère hausse de contraste
en diminuant les basses lumières au prorata
Le PSNR est encore proche de 30 db :
.

La différence à droite est visualisée avec un offset de 127.

Dans ces conditions, je reste songeur devant l'adéquation des mesures de qualité par PSNR sur
des images traitées par des opérateurs différents !

[Ce message a été modifié par Nebulium (Édité le 22-03-2015).]

[-ms- 2]

Ben, je travaille pour Pâques sur 3 premiers algorithmes (recalage/restoration, fusion et interpolation) qui permettent de travailler dans la plage de bruit/flou/déformation des images du Pic et de Marc en appliquant la super-résolution.

En gros ça fonctionne de la façon suivante :

*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* * * *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*
* *
*

PS : ça ne ressemble pas encore à juju mais il y a déjà les étoiles.

Images brutes (2n+1) -> Images recalées/restaurés (n) -> Image fusionnée (1) -> Image interpolée (1)

453 images produisent 226 images restaurées produisent 1 image fusionnée produit 1 image interpolée
599 images produisent 299 images restaurées produisent 1 image fusionnée produit une image interpolée

En fait, il faut mettre le PSNR en face pour 100, 200, 300, ... images brutes traitées.

quote:

---

C'est ce qui explique que je me limite TOUJOURS a des expositions assez faibles (là 20ms, 30ms les bonnes nuits, et 50ms les nuits exceptionnelles, 1 fois par an peut être voire moins).

---

Le fait d'étaler l'acquisition sur 3 images à 20ms permet d'améliorer pas mal de choses. J'avais fait des essais avec 2, 3, 4 et 5 mais 3 images avec un niveau de bruit blanc pratiquement constant, un niveau de flou variable et des déformations restant affines sur 3 images (comme pour Lena ) c'est en gros ce qui marche pratiquement 8 fois sur 10. Après il reste le cas de la turbulence de la mort et c'est pour cela qu'il faut aussi développer un algorithme de recalage non-affine comme les démons spectraux que je vois mieux tourner sur une console de jeux type Nvidia Shield X1.

Pour le ciel profond, je pense au même principe mais avec plus d'images de base et comptage de photons.

Pour continuer à régulariser et préserver les contours sous Julia, je me rapprocherai par la suite des projets basées ADMM (Alternating Direction Method of Multipliers) et en particulier des travaux déjà commencés par Madeleine Udell.
http://stanford.edu/class/ee364b/project_ideas.html

Les parcours dans le labyrinthe ne font que commencer et je peux y consacrer tout mon temps mais pas uniquement pour l'astro.

[Ce message a été modifié par ms (Édité le 23-03-2015).]

[Nebulium 1 437]

Je n'ai pas trop compris ton histoire d'étoiles, le reste encore moins, c'est sans espoir ...

L'absence d'adjacence ne te gêne pas ?
Ou fais -tu la manip selon toutes les combinaisons de séquences ?

J'ai lancé un appel à Marc. A suivre...

Bon, en attendant des images de Juju compréhensibles, je te prépare une Lena Gray pitoyable
Connais tu son algo de redim 512 => 256 ?

[-ms- 2]

quote:

---

Je n'ai pas trop compris ton histoire d'étoiles, le reste encore moins, c'est sans espoir ...

---

Avec 3 Lena tu connais déjà et avec 7 Lena ça donne ça :

Lena_LR1-->Lena_Recalage_Restauration1
Lena_LR2-->Lena_Recalage_Restauration2
Lena_LR3-->Lena_Recalage_Restauration3

Lena_LR3-->Lena_Recalage_Restauration3
Lena_LR4-->Lena_Recalage_Restauration4--->Lena_Fusion--->Lena_Interpolation
Lena_LR5-->Lena_Recalage_Restauration5

Lena_LR5-->Lena_Recalage_Restauration5
Lena_LR6-->Lena_Recalage_Restauration6
Lena_LR7-->Lena_Recalage_Restauration7

3 algorithmes implémentés en langage Julia :
- recalage/restauration "Regularized Restoration"
- fusion "Guided Filtering Fusion"
- interpolation "Inverse Regularized Interpolation"

Avec 453 Lena c'est l'exemple du Pic.
Avec 599 Lena c'est l'exemple de Marc.

Pour les combinaisons c'est un autre algo (2D GCD) que j'utilise dans un autre chemin ... parce que dans cette affaire, il y a plein de chemins.

[Ce message a été modifié par ms (Édité le 23-03-2015).]