考虑到这张图片,我有一个灯泡的光谱分解。
由于非点状光源,在我的相机前使用衍射光栅进行光谱分解会导致光谱分量重叠。作为一个人,虽然我仍然可以感知主要的四个或五个光谱分量的结构,因为我知道它们应该具有与灯相同的形状。了解灯的结构后,是否有可能以正确的幅度隔离这些光谱分量中的每一个,在这种情况下将使用什么算法?
考虑到这张图片,我有一个灯泡的光谱分解。
由于非点状光源,在我的相机前使用衍射光栅进行光谱分解会导致光谱分量重叠。作为一个人,虽然我仍然可以感知主要的四个或五个光谱分量的结构,因为我知道它们应该具有与灯相同的形状。了解灯的结构后,是否有可能以正确的幅度隔离这些光谱分量中的每一个,在这种情况下将使用什么算法?
我会分别计算每个颜色通道的水平点扩散函数,并使用通道的光谱灵敏度比进行频率校准;得到的灵敏度加权光谱应遵循相同的比率。
反卷积可以实现为每个衍射行由相应的直接传输行进行频域划分。除法结果可以对所有行进行平均,从统计中排除任何因除以太接近于零的值而产生的噪声箱。希望这些行的差异足以覆盖所有频率区间。最后结合颜色通道可进一步降低噪点。
为使其正常工作,应针对任何失真校正图像并旋转图像,以使衍射引起的点扩散函数完全水平。色差将很难修复。
一种完全不同的方法将是一种匹配的追求,由于荧光粉的尖峰光谱,它应该会很快起作用。在那里,您将尝试模式识别衍射图像中的哪个位置与直接透射图像的强度缩放副本最相似(根据校准使用适合该位置的颜色)。然后你会从衍射图像中的那个位置减去匹配,同时累积光谱的估计值。你会重复这个过程,直到你得到足够好的估计,或者不再能够找到一个好的匹配。这种方法的模式识别部分应该可以进行图像几何校正,这样也可以避免色差问题。