Unschärfeauswertung

Unschärfeauswertung bezeichnet die Quantifizierung des Ausmaßes von Unschärfe in Bildern oder Videoframes. Sie spielt eine zentrale Rolle in der Bildqualitätsbewertung, der Optimierung von Autofokussystemen, der Vorverarbeitung für Deconvolution-Verfahren und in forensischen sowie medizinischen Bildanwendungen, bei denen die Auflösung eine wichtige Rolle für die Interpretation hat.

Zu den typischen Ansätzen gehören rückgriffende Kenngrößen im Raum- oder Kantbereich sowie frequenzbasierte Methoden. Typische räumliche Metriken sind der Varianz des Laplace-Operators, der Tenengrad- oder der Brenner-Gradient, sowie der Sum of Modified Laplacian (SML). Diese Maße nehmen mit zunehmender Schärfe zu und fallen bei Unschärfe ab. Frequenzbasiert wird die Hochfrequenzenergie analysiert, da scharfe Bilder mehr Energie in hohen Frequenzen aufweisen. Edge-basierte Größen wie die Kantenkantenbreite oder der Edge-Spread dienen ebenfalls der Einschätzung der Unschärfe. Zudem existieren No-Reference-Blur-Metriken, die ohne Referenzbild aus Texturmerkmalen der Kanten den Unschärfegrad abschätzen, etwa Methoden, die die Profilierung von kantenrohen Übergängen auswerten.

In einigen Anwendungen wird zusätzlich versucht, die Point-Spread-Function (PSF) zu schätzen, um eine Blind- oder Nicht-Blind-Deconvolution zu ermöglichen. Dadurch lässt sich die Unschärfe theoretisch wieder entfernen oder kompensieren. Anwendungsfelder umfassen Kamera- und Smartphone-Fotos, Videoverarbeitung, Qualitätskontrollen in imaging-bezogenen Prozessen sowie medizinische und fernerkundungstechnische Bildgebung.

Herausforderungen bestehen durch Mischformen von Unschärfe (Bewegungs- vs. Defokusunschärfe), Rauschen, Kompression und komplexe Texturen. Unterschiedliche Blur-Typen erfordern spezifische Metriken, was den Vergleich über verschiedene Bilder hinweg erschwert.