Bilder skalieren, entrauschen, massive Störungen entfernen

Ein französisches Forschungsinstitut, GREYC, hat ein kostenloses und quelloffenes Kommandozeilentool veröffentlicht, das mit schlaufuchsigen mathematischen Tricks Bilddaten regularisieren kann. Hauptanwendung ist das Entrauschen von Bildern, aber es tut auch wunderbar Skalieren (mit weitaus besseren Ergebnissen als durch die übliche bikubische Interpolation) und »inpainting« (Vervollständigen von Bildinhalten, die durch eine Vordergrundstörung verdeckt sind, z. B. Zäune, Gitterstäbe, etc.). Die Bedienung ist für GUI-Verwöhnte wohl nicht ganz einfach, außerdem müssen ein paar Parameter angegeben werden, mit denen man erstmal herumprobieren muß, um das optimale Resultat zu bekommen.Die Ergebnisse sind sehr beeindruckend. Die Software ist sicherlich leistungsfähiger als ähnliche Angebote (z. B. Photoshop-Plug-Ins), die außerdem mitnichten kostenlos sind.

www.greyc.ensicaen.fr/~dtschump/greycstoration/index.html

GREYCstoration is an image regularization algorithm which is able to process a color image by locally removing small variations of pixel intensities while preserving significant global image features, such as edges and corners. The most direct application of image regularization is image denoising. By extension, it can also be used to inpaint or resize images.

GREYCstoration is based on state-of-the-art methods using nonlinear multi-valued diffusion PDE's (Partial Differential Equations). This kind of method generally outperforms basic image filtering techniques (such as convolution, median filtering, etc.), classically encountered in image painting programs. Other comparable image denoising techniques are available (for instance, Noise Ninja, Neat Image ) but are not open-source, and the corresponding algorithms are kept secret. On the contrary, the source code of GREYCstoration is freely available and distributed under the CeCILL License (compatible with the well-known GPL). It gives similar results (not to say better) to existing closed-source denoising filters, and is absolutely free to use. Compared to other PDE-based regularization methods, our approach has several advantages : It performs very fast and is able to preserve thin image details since it works at a sub-pixel accuracy.