วิธีแก้ไขข้อความเบลอในรูปภาพด้วย AI — Magic Eraser
เรียนรู้วิธีทำให้ข้อความเบลอในภาพถ่ายคมชัดและกู้คืนด้วย AI boost คำแนะนำทีละขั้นตอนครอบคลุม motion blur, defocus blur, การกู้คืนเอกสาร และการฟื้นฟูความคมชัดของข้อความสำหรับป้าย ไวท์บอร์ด เอกสาร และฉลาก
Content Lead
ตรวจสอบโดย Magic Eraser Editorial ·
ข้อความในภาพถ่ายเสื่อมคุณภาพเร็วกว่าองค์ประกอบภาพอื่น ๆ ใบหน้าที่เบลอเล็กน้อยยังคงจำแนกได้ ภาพทิวทัศน์ที่มี motion blur เล็กน้อยยังคงสื่อถึงบรรยากาศได้ แต่ข้อความที่สูญเสียความคมชัดแม้เพียงเล็กน้อยก็อ่านไม่ได้ ความแตกต่างระหว่างคำที่อ่านได้กับรอยเปื้อนที่อ่านไม่ออกมักมีเพียงแค่สองหรือสามพิกเซลของขอบคำบนตัวอักษรแต่ละตัว ความไวต่อการเบลออย่างรุนแรงนี้ทำให้ข้อความเป็นองค์ประกอบที่กู้คืนได้ยากที่สุดในภาพถ่าย และเป็นจุดที่ AI boost มอบการปรับปรุงที่เห็นผลชัดเจนที่สุด
สถานการณ์ที่ข้อความเบลอทำให้ภาพถ่ายที่มีประโยชน์ใช้ไม่ได้นั้นมีนับไม่ถ้วน คุณถ่ายภาพไวท์บอร์ดหลังการประชุมและพบว่าบันทึกอ่านไม่ออกเมื่อซูมเข้า คุณถ่ายรูปเมนูร้านอาหารในแสงสลัวและตัวหนังสือเล็กเบลอเป็นเลือน คุณถ่ายป้ายถนนเพื่อใช้อ้างอิงในการนำทางและข้อความเบลอจากการสั่นของกล้อง คุณถ่ายภาพเอกสารเพราะไม่มีสแกนเนอร์และตัวหนังสือละเอียดกลายเป็น noise ในแต่ละกรณี คุณมีภาพถ่ายที่ควรมีข้อมูลที่อ่านได้ แต่กลับอ่านไม่ได้ และการถ่ายภาพใหม่มักเป็นไปไม่ได้เพราะช่วงเวลานั้นผ่านไปแล้ว
AI boost ได้เปลี่ยนการกู้คืนข้อความจากงาน Photoshop ระดับผู้เชี่ยวชาญให้เป็นการแตะเพียงครั้งเดียว โครงข่ายประสาทเทียมที่ฝึกฝนด้วยคู่ภาพข้อความนับล้านเข้าใจโครงสร้างของรูปตัวอักษร เส้นแนวตั้งของ h และ n, ส่วนโค้งของ s และ e, จุดของ i และคานของ t — และสามารถสร้างโครงสร้างเหล่านี้ขึ้นใหม่จากเวอร์ชันที่เสื่อมคุณภาพด้วยความแม่นยำที่เป็นไปไม่ได้เมื่อห้าปีก่อน คำแนะนำนี้ครอบคลุมขั้นตอนการทำงานที่สมบูรณ์สำหรับการกู้คืนข้อความเบลอในภาพถ่าย ตั้งแต่การระบุประเภทของการเบลอ การใช้การตั้งค่า boost ที่เหมาะสม ไปจนถึงการตรวจสอบความถูกต้องระดับตัวอักษรในผลลัพธ์
- Motion blur ทำให้รูปตัวอักษรยืดออกเป็นรอยเปื้อนตามทิศทาง defocus blur ทำให้ขอบละลายอย่างสม่ำเสมอ และ compression blur ทำให้เกิดสิ่งแปลกปลอมเป็นบล็อก แต่ละแบบต้องใช้วิธีการ AI reconstruction ที่แตกต่างกัน
- การครอปให้ชิดรอบพื้นที่ข้อความก่อนการปรับปรุงจะรวมงบประมาณการประมวลผลของ AI's ไปที่ตัวอักษรที่สำคัญ ทำให้ได้ผลลัพธ์ที่ดีกว่าการปรับปรุงทั้งภาพอย่างเห็นได้ชัด
- AI สร้างรูปตัวอักษรขึ้นใหม่โดยวิเคราะห์โครงสร้างเส้นที่เหลืออยู่และอนุมานตัวอักษรที่น่าจะเป็นไปได้มากที่สุดจากรูปแบบพิกเซลที่เสื่อมสภาพ
- การเพิ่ม contrast เฉพาะที่บริเวณขอบระหว่างข้อความและพื้นหลังจะฟื้นฟูขอบคมที่การเบลอได้ขจัดไป โดยทำงานในพื้นที่ luminance เพื่อหลีกเลี่ยงการเปลี่ยนสี
- การตรวจสอบระดับตัวอักษรที่ซูมเต็มจะจับข้อผิดพลาดทั่วไปของ AI reconstruction เช่น การสับสนระหว่าง rn กับ m และ cl กับ d ที่มองไม่เห็นเมื่อซูมลดขนาด
ทำความเข้าใจว่าทำไมข้อความถึงเปราะบางต่อการเบลอเป็นพิเศษ
ความสามารถในการอ่านข้อความขึ้นอยู่กับรายละเอียดเชิงพื้นที่ความถี่สูง — ขอบคมและเส้นละเอียดที่แยกตัวอักษรหนึ่งออกจากอีกตัวหนึ่ง เส้นแนวตั้งของ h ตัวพิมพ์เล็กและเส้นแนวตั้งของ n ตัวพิมพ์เล็กเกือบจะเหมือนกันยกเว้นที่ส่วนบนสุด h ยื่นขึ้นไปด้านบนและ n โค้งทับ ในภาพถ่ายที่คมชัด ความแตกต่างนี้ชัดเจน: สองสามพิกเซลของขอบคมกำหนดความแตกต่าง เมื่อการเบลอแพร่กระจายพิกเซลเหล่านั้นไปยังพิกเซลข้างเคียง ความแตกต่างก็หายไปและ h แยกไม่ออกจาก n นี่ไม่ใช่ปัญหาเชิงทฤษฎี นี่คือสาเหตุที่ช่างภาพที่ซูมดูภาพกลุ่มที่เบลอเล็กน้อยยังคงสามารถระบุใบหน้าทุกคนได้ แต่อ่านข้อความบนเสื้อยืดของใครก็ไม่ได้
ความเปราะบางของข้อความต่อการเบลอเป็นฟังก์ชันของความหนาแน่นของข้อมูล ใบหน้าบอกข้อมูลอัตลักษณ์ผ่านคุณลักษณะขนาดใหญ่ รูปร่างโดยรวมของจมูก ระยะห่างระหว่างดวงตา ความกว้างของปาก — สิ่งเหล่านี้อยู่รอดแม้การเบลอครั้งใหญ่เพราะมันกินพื้นที่หลายพิกเซล ข้อความบอกข้อมูลผ่านคุณลักษณะขนาดเล็ก — ความแตกต่างระหว่าง a และ o คือการเชื่อมต่อเส้นเดียว ความแตกต่างระหว่าง c และ e คือคานแนวนอนเล็ก ๆ — ซึ่งกินพื้นที่เพียงไม่กี่พิกเซลต่อตัว เมื่อการเบลอทำให้สามพิกเซลกลายเป็นห้า คุณลักษณะของใบหน้าอยู่รอดเพราะมันครอบคลุมหลายร้อยพิกเซล เส้นตัวอักษรล้มเหลวเพราะในตอนแรกมันครอบคลุมเพียงสามถึงห้าพิกเซล
ปัญหาความหนาแน่นของข้อมูลนี้ทวีความรุนแรงขึ้นกับขนาดฟอนต์ ข้อความแสดงผลขนาดใหญ่ — พาดหัว ป้าย โปสเตอร์ — อยู่รอดการเบลอปานกลางเนื่องจากตัวอักษรแต่ละตัวกินพื้นที่หลายพิกเซลเพียงพอที่การเบลอจะไม่ลบคุณลักษณะที่แยกแยะได้ ข้อความตัวเล็ก — ย่อหน้าเอกสาร ตัวหนังสือเล็กในเมนู ส่วนผสมบนฉลาก — ล้มเหลวแม้กับการเบลอเล็กน้อยเพราะคุณลักษณะที่แยกแยะได้อยู่ที่สเกลพิกเซลขั้นต่ำอยู่แล้ว AI boost ต้องสร้างความแตกต่างระดับต่ำกว่าพิกเซลเหล่านี้ขึ้นมาใหม่ นี่คือสาเหตุที่การทำให้ข้อความคมชัดต้องใช้การประมวลผลที่แตกต่างจากการทำให้ภาพทั่วไปคมชัด
- ความสามารถในการอ่านข้อความขึ้นอยู่กับรายละเอียดขอบความถี่สูงที่กินพื้นที่เพียงไม่กี่พิกเซลต่อเส้นตัวอักษร — น้อยกว่าคุณลักษณะขนาดใหญ่ที่ทำให้ใบหน้าจดจำได้มาก
- ความแตกต่างระหว่างคู่ตัวอักษรที่สับสนง่าย (h/n, a/o, c/e, rn/m) มักเป็นการเชื่อมต่อเส้นเดียวที่กินพื้นที่สองถึงสามพิกเซล
- ข้อความแสดงผลขนาดใหญ่อยู่รอดการเบลอปานกลางเพราะตัวอักษรแต่ละตัวกินพื้นที่หลายร้อยพิกเซล ในขณะที่ข้อความตัวเล็กล้มเหลวเพราะคุณลักษณะสำคัญอยู่ที่สเกลพิกเซลขั้นต่ำอยู่แล้ว
- AI text sharpening ต้องการการประมวลผลที่แตกต่างจากการทำให้ภาพทั่วไปคมชัด เพราะต้องสร้างความแตกต่างระดับต่ำกว่าพิกเซลของรูปตัวอักษรขึ้นมาใหม่ แทนที่จะปรับ contrast ในวงกว้าง
AI สร้างข้อความจากภาพถ่ายที่เบลอขึ้นมาใหม่ได้อย่างไร
AI text boost ทำงานโดยฝึกโครงข่ายประสาทเทียมบนชุดข้อมูลคู่ของภาพข้อความที่คมชัดและเสื่อมคุณภาพ โครงข่ายเรียนรู้ความสัมพันธ์ทางสถิติระหว่างรูปแบบข้อความที่เบลอกับต้นฉบับคมชัดที่สร้างมันขึ้นมา เมื่อได้รับภาพข้อความเบลอใหม่ โครงข่ายจะใช้ความสัมพันธ์ที่เรียนรู้นี้เพื่อทำนายเวอร์ชันคมชัดที่น่าจะเป็นไปได้มากที่สุด โดยพื้นฐานแล้วนี่แตกต่างจากการ sharpening แบบดั้งเดิม ซึ่งขยายขอบที่มีอยู่โดยไม่เข้าใจว่าขอบเหล่านั้นแทนอะไร การ sharpening แบบดั้งเดิมทำให้ h ที่เบลอดูเหมือน h ที่เบลอแต่คมขึ้นเล็กน้อย AI boost รับรู้ว่ารูปแบบที่เบลอนั้นน่าจะเป็น h มากที่สุดและสร้างรูปตัวอักษรคมชัดขึ้นตามนั้น
กระบวนการสร้างใหม่ทำงานหลายสเกลพร้อมกัน ในระดับตัวอักษร AI ระบุรูปตัวอักษรที่น่าจะเป็นไปได้จากรูปแบบที่เสื่อมสภาพและทำให้ขอบคมขึ้นเพื่อให้ตรงกับตัวอักษรที่ทำนาย ในระดับคำ มันใช้บริบท — ความถี่ของตัวอักษรและการรวมกันของภาษาที่ตรวจพบ — เพื่อแก้ความกำกวม รูปแบบที่เบลอซึ่งอาจเป็น rn หรือ m จะแก้ไขได้โดยการตรวจสอบว่าคำที่ได้นั้นมีอยู่ในโมเดลภาษาหรือไม่ ในระดับบรรทัด AI บังคับใช้การเรียงแนวบรรทัดพื้นฐาน ระยะห่างตัวอักษร และลักษณะฟอนต์ที่สอดคล้องกัน เพื่อให้ข้อความที่สร้างขึ้นใหม่ดูเหมือนถูกจัดพิมพ์มากกว่าประกอบขึ้นทีละตัวอักษรจากการทำนายตัวอักษรอิสระ
ความแม่นยำของ AI text reconstruction ขึ้นอยู่กับปริมาณโครงสร้างที่เหลืออยู่ในข้อความที่เบลอเป็นอย่างมาก การเบลอเล็กน้อยที่ยังคงรูปร่างทั่วไปของตัวอักษรแต่ละตัวทำให้ AI สามารถสร้างใหม่ด้วยความมั่นใจสูง มักจะกู้คืนข้อความที่ตรงกับต้นฉบับทุกตัวอักษร การเบลอรุนแรงที่ทำให้ข้อความลดลงเป็นก้อนไม่ชัดเจนบังคับให้ AI ต้องเดา แม้ว่าการเดาจะอาศัยโมเดลภาษาและสถิติตัวอักษร แต่มันก็อาจผิดได้ ขีดจำกัดในทางปฏิบัติประมาณนี้: ถ้าผู้ใช้ที่หรี่ตามองข้อความที่เบลอสามารถบอกได้ประมาณครึ่งหนึ่งของตัวอักษร AI มักจะกู้คืนได้ทั้งหมด ถ้ามนุษย์อ่านตัวอักษรไม่ได้เลย AI ก็ไม่น่าจะให้ผลลัพธ์ที่เชื่อถือได้
- AI ทำนายข้อความคมชัดที่น่าจะเป็นไปได้มากที่สุดจากรูปแบบที่เสื่อมสภาพโดยใช้ความสัมพันธ์ที่เรียนรู้ระหว่างคู่ภาพเบลอและคมชัด — แตกต่างโดยพื้นฐานจากการขยายขอบแบบดั้งเดิม
- การสร้างใหม่หลายสเกลระบุตัวอักษรจากรูปร่าง แก้ความกำกวมโดยใช้บริบทคำจากโมเดลภาษา และบังคับใช้เมตริกฟอนต์ที่สอดคล้องกันทั่วทั้งบรรทัดข้อความ
- การเบลอเล็กน้อยที่ยังคงให้รู้จักรูปร่างตัวอักษรทั่วไปทำให้ AI reconstruction มีความมั่นใจสูง ซึ่งโดยปกติแล้วจะตรงกับต้นฉบับทุกตัวอักษร
- ขีดจำกัดการกู้คืนในทางปฏิบัติ: ถ้ามนุษย์สามารถระบุตัวอักษรได้ประมาณครึ่งหนึ่งโดยการหรี่ตา AI มักจะกู้คืนได้ทั้งหมดด้วยความแม่นยำสูง
การกู้คืนข้อความจากเอกสารประเภทต่าง ๆ
เอกสารที่พิมพ์แล้วถ่ายภาพแทนการสแกนเป็นหมวดหมู่ที่ใหญ่ที่สุดของการกู้คืนข้อความเบลอ การพิมพ์ที่มีการควบคุมของเอกสารที่พิมพ์ — ฟอนต์ที่สม่ำเสมอ ระยะห่างปกติ แนวบรรทัดที่เรียงกัน — ให้โครงสร้าง cues ที่แข็งแกร่งแก่ AI สำหรับการสร้างใหม่ แม้แต่ข้อความพิมพ์ที่เบลออย่างรุนแรงก็มักจะกู้คืนได้เพราะ AI สามารถอนุมานพารามิเตอร์ฟอนต์จากส่วนที่เสียหายน้อยที่สุดของเอกสารและใช้พารามิเตอร์เหล่านั้นเพื่อสร้างส่วนที่เสียหายมากที่สุดขึ้นมาใหม่ เพื่อผลลัพธ์ที่ดีที่สุด ให้ถ่ายภาพเอกสารจากด้านตรง ๆ ด้วยแสงที่สม่ำเสมอเพื่อหลีกเลี่ยงการบิดเบือนจากมุมและเงาที่ไล่ระดับซึ่งทำให้ปัญหาเบลอซับซ้อนยิ่งขึ้น
ข้อความที่เขียนด้วยลายมือกู้คืนได้ยากกว่าเพราะขาดความสม่ำเสมอของโครงสร้างของตัวพิมพ์ ลายมือของแต่ละคนแตกต่างกันในรูปร่างตัวอักษร ขนาด ระยะห่าง และแนวบรรทัด AI ไม่สามารถสมมติได้ว่าเส้นที่เบลอในบรรทัดที่ห้าตรงกับรูปแบบตัวอักษรเดียวกันในบรรทัดที่หนึ่ง การกู้คืนข้อความที่เขียนด้วยลายมือทำงานได้ดีที่สุดเมื่อลายมือเรียบร้อยและสม่ำเสมอ โดยใช้ตัวอักษรที่ชัดเจนมีระยะห่างที่เพียงพอ ลายมือหวัดที่มีตัวอักษรเชื่อมต่อกันเป็นสิ่งที่ท้าทายที่สุดเพราะการเบลอขจัดจุดเชื่อมต่อละเอียดระหว่างตัวอักษรที่แยกคำหนึ่งออกจากชุดของเส้นโค้งที่คล้ายกัน
ป้ายและข้อความในสภาพแวดล้อมนำเสนอความท้าทายที่ไม่เหมือนใครเพราะข้อความฝังอยู่ในฉากที่ซับซ้อนแทนที่จะแยกอยู่บนพื้นหลังสีขาว ป้ายถนนที่ถ่ายจากรถที่กำลังเคลื่อนที่ประสบกับ motion blur ตามทิศทางที่ซับซ้อนด้วยการหดตัวตามมุมมอง บอร์ดเมนูในร้านอาหารมีแสงโทนอุ่นที่ลด contrast ระหว่างข้อความและพื้นหลัง ไวท์บอร์ดในสำนักงานมีจุดแสงสะท้อนที่ลบส่วนของข้อความทั้งหมด สำหรับข้อความในสภาพแวดล้อม ขั้นตอนการครอปเป็นกุญแจสำคัญ การแยกข้อความออกจากฉากรอบข้างให้ AI โฟกัสความสามารถในการสร้างใหม่ไปที่ตัวอักษรแทนที่จะเสียการประมวลผลไปกับผนัง เฟอร์นิเจอร์ และรายละเอียดอื่น ๆ ที่ไม่เกี่ยวข้อง
- เอกสารพิมพ์ให้ศักยภาพการกู้คืนด้วย AI ที่ดีที่สุดเนื่องจากฟอนต์ ระยะห่าง และแนวบรรทัดที่สม่ำเสมอซึ่งให้โครงสร้าง cues ทั่วทั้งหน้า
- การกู้คืนข้อความที่เขียนด้วยลายมือทำงานได้ดีที่สุดกับตัวอักษรที่เรียบร้อยและชัดเจน — ลายมือหวัดที่มีเส้นเชื่อมต่อเป็นสิ่งที่ท้าทายที่สุดเพราะการเบลอขจัดจุดเชื่อมต่อละเอียด
- ข้อความในสภาพแวดล้อมบนป้าย เมนู และไวท์บอร์ดต้องการการครอปเพื่อแยกข้อความออกจากฉากที่ซับซ้อนก่อนการปรับปรุง
- การถ่ายภาพเอกสารจากด้านตรง ๆ ด้วยแสงที่สม่ำเสมอช่วยหลีกเลี่ยงการบิดเบือนจากมุมและเงาที่ไล่ระดับซึ่งทำให้ปัญหาเบลอซับซ้อน
การปรับแต่งการตั้งค่า AI enhancement สำหรับข้อความเทียบกับภาพถ่ายทั่วไป
การ boost ภาพถ่ายทั่วไปเน้นคุณภาพด้านความสวยงาม — ผิวเรียบเนียน สีสันสดใส contrast ที่สวยงาม — และใช้การ sharpening อย่างสม่ำเสมอทั่วทั้งภาพ การ boost ข้อความต้องการลำดับความสำคัญที่แตกต่างโดยพื้นฐาน: คำจำกัดความขอบสูงสุดที่ขอบเขตระหว่างข้อความและพื้นหลัง แม้จะต้องเสียความเรียบเนียนด้านสวยงามในพื้นที่ที่ไม่ใช่ข้อความก็ตาม เมื่อปรับปรุงภาพถ่ายที่มีทั้งข้อความและองค์ประกอบที่ไม่ใช่ข้อความ — ฉลากผลิตภัณฑ์บนผลิตภัณฑ์ที่มีสไตล์ ป้ายในทิวทัศน์ ป้ายชื่อในภาพบุคคล — วิธีที่เหมาะสมที่สุดคือใช้การประมวลผลที่ปรับให้เหมาะสมกับข้อความในพื้นที่ข้อความและ boost มาตรฐานสำหรับส่วนอื่น ๆ
AI Enhance จัดการสิ่งนี้โดยอัตโนมัติโดยการตรวจจับพื้นที่ข้อความในภาพและใช้การประมวลผลที่แตกต่างกัน พื้นที่ข้อความได้รับการ sharpening ขอบแบบรุนแรง การลด noise ที่รักษาโครงสร้างเส้น และการเพิ่ม contrast ที่เจาะจงขอบเขตระหว่างข้อความและพื้นหลัง พื้นที่ที่ไม่ใช่ข้อความได้รับการ boost ด้านสวยงามมาตรฐาน — การ sharpening ปานกลาง การปรับสี และการปรับ noise ให้เรียบเนียน การประมวลผลแบบสองโหมดนี้เป็นหนึ่งในข้อได้เปรียบสำคัญของ AI boost เหนือการ sharpening แบบดั้งเดิม ซึ่งไม่สามารถแยกความแตกต่างระหว่างพื้นที่ข้อความและไม่ใช่ข้อความ และบังคับให้ผู้ใช้เลือกการตั้งค่าที่ประนีประนอมอย่างใดอย่างหนึ่ง
สำหรับภาพที่เป็นข้อความทั้งหมด — เอกสารที่ถ่ายภาพ หน้าที่สแกน การจับภาพไวท์บอร์ด — ให้ตั้งค่า boost ไปที่การ sharpening สูงสุดและ contrast สูงสุด ไม่มีข้อเสียด้านสวยงามจากการประมวลผลที่รุนแรงเมื่อทั้งภาพเป็นข้อความ ประโยชน์ด้านความสามารถในการอ่านจากการ sharpening ที่แรงนั้นชัดเจน สำหรับภาพผสมที่คุณต้องการทั้งข้อความที่อ่านได้และภาพถ่ายรอบข้างที่สวยงาม ให้ใช้การตั้งค่าสมดุลเริ่มต้นและพึ่งพาการตรวจจับพื้นที่อัตโนมัติของ AI เพื่อจัดสรรการประมวลผลอย่างเหมาะสม หากข้อความยังไม่คมพอหลังจากการประมวลผลแบบสมดุล ให้ครอปพื้นที่ข้อความแยกต่างหากและปรับปรุงด้วยการตั้งค่าสูงสุด
- การปรับปรุงข้อความให้ความสำคัญกับคำจำกัดความขอบสูงสุดที่ขอบเขตของเส้นตัวอักษร มากกว่าความเรียบเนียนด้านสวยงามที่การปรับปรุงภาพถ่ายทั่วไปต้องการ
- AI Enhance ตรวจจับพื้นที่ข้อความโดยอัตโนมัติและใช้การ sharpening ขอบแบบรุนแรงกับข้อความ ในขณะที่ใช้การประมวลผลด้านสวยงามมาตรฐานสำหรับเนื้อหารอบข้าง
- ภาพเอกสารล้วนได้ประโยชน์จากการตั้งค่า sharpening และ contrast สูงสุด โดยไม่มีข้อเสียด้านสวยงามที่ต้องพิจารณา
- สำหรับภาพผสมระหว่างข้อความและภาพถ่าย ให้ครอปและปรับปรุงพื้นที่ข้อความแยกต่างหากด้วยการตั้งค่าสูงสุด หากการประมวลผลแบบสมดุลทำให้ข้อความยังไม่คมพอ
แหล่งข้อมูล
- Blind Image Deblurring: A Survey of State-of-the-Art Methods — arXiv — Computer Vision
- Text Recognition in the Wild: Challenges and Advances — ACM Multimedia
- Super-Resolution for Document Image Enhancement: A Comprehensive Review — IEEE Access