Улучшение качества изображения: Улучшить Качество Фото Онлайн Бесплатно — Главная

Содержание

Улучшения изображений: сделайте размытые фото чётче

Улучшения изображений: сделайте размытые фото чётче | PicWish

Перетащите изображение куда угодно(1 файл за раз)

Сделайте размытые снимки чёткими за считанные секунды. С помощью приложения PicWish Photo Enhancer улучшить изображение очень легко.

Загрузить изображение

Или скинь картинку

Скачать для ПК

Скачать приложение

Пакет 100 изображений

Как увеличить разрешение изображения с помощью PicWish Photo Enhancer

Загрузить
Загрузите нужное изображение из своей галереи
Улучшить
Автоматически преобразуйте размытое фото в чёткое с помощью технологии искусственного интеллекта, используемой в PicWish
Дополнительно
Увеличение на 200% или 400% по вашему выбору

Улучшение фотографий на профессиональном уровне с помощью ИИ

Благодаря алгоритмам искусственного интеллекта, нацеленным на получение чётких результатов, приложение PicWish Photo Enhancer поможет вам мгновенно улучшить свои фотографии низкого разрешения. Для получения наилучшего результата увеличьте количество пикселей в 2 или 4 раза.

Мгновенное повышение чёткости размытых изображений

Изображение выглядит смазанным? Не переживайте. Используемая в приложении PicWish технология ИИ отлично справляется с повышением разрешения у любой фотографии, будь то портретный снимок, снимок товара или графический рисунок. Сделайте из пикселизированного изображения отличную картинку с высоким разрешением в мгновение ока.

Улучшайте изображения для личных и коммерческих нужд

Не дайте низкому разрешению испортить вашу фотографию. Повысьте качество изображения до уровня современных стандартов качества изображений с высоким разрешением. Создайте для своей рекламной кампании лучшие изображения из всех, какие когда-либо были напечатаны или опубликованы на сайте.

Готовы улучшить ваши фото с помощью PicWish?

Начать сейчас

Статьи | Улучшение чёткости фотографий и не только

Отличный бесплатный увеличитель фотографий, о котором вам следует знать (2021)
Хотите верьте, хотите нет, но многие люди думали, что увеличить размер изображения без потери качества невозможно. Это верно для большинства существующих онлайн-приложений, в которых используются недорогие разработки, а не продвинутые методы решения.
Бесплатный инструмент для повышения качества изображений, необходимый каждому в 2021 году
Расстраиваетесь каждый раз, видя свои снимки низкого разрешения? Это естественно. И тогда вам хочется их улучшить. Проблема в том, что не все онлайн-инструменты могут справиться с этой задачей.
Полное руководство по увеличению изображений онлайн без каких-либо сложностей
Повышение качества изображения может повлиять на его представление в целом. Изменение яркости или даже размера может привести к более низкому разрешению.

Посмотреть больше сообщений

Click below to install

Chat with us, powered by LiveChat

Этот веб-сайт использует файлы cookie, которые необходимы для работы этого веб-сайта и его основных функций. Другие файлы cookie будут размещаться только с вашего согласия. Для более подробной информации посетите наш Политика Cookies.

ОтклонитьПринять все файлы cookie

Как улучшить качество фото с помощью нейросетей

Буквально 10 лет назад улучшить качество фото было невозможно. Однако, с каждым годом нейронные сети все плотнее входят в нашу жизнь. На сегодняшний день существуют нейронки, которые рисуют картины; проводят огромные исчисления, недоступные пониманию человеческого мозга; пишут музыку. В этой статье поговорим об очередной полезной функции — улучшение качества фото нейросетью. Если точнее — познакомимся с самыми популярными сервисами для улучшения качества фото онлайн.

Содержание:

IMGonline – бесплатный сервис улучшения фото
Anytools – аналог фотошоп
Fotor
HDconvert
Zyro
Waifu2x
Let’s Enhance – искусственный интеллект для улучшения качества фотографий
AI Image Enlarger
Deep Image
Vance AI Image Enlarger
icons8 AI Image Upscaler
Crea8tiveAI Photo Refiner
Upscale Pics
Topaz Gigapixel AI — программа для улучшения качества изображений
Remini – приложение для улучшения качества фото
Реставрация фото с помощью нейросетей

IMGonline – бесплатный сервис улучшения фото

Бесплатное онлайн приложение для улучшения качество фото с помощью нейронных сетей. Улучшить качество получится только у одиночной фотографии. Из настроек имеется “Настройка повышения детализации” по простому — насколько сильно улучшить качество фотографии или картинки и формат изображения на выходе. Помимо улучшения качества картинки есть отдельная функция “Повышения резкости”.

IMGonline

Anytools – аналог фотошоп

Полностью бесплатная программа для улучшения фотографии с помощью искусственного интеллекта. Функционал не состоит из двух кнопок, здесь можно поиграться. Помимо улучшения качества фото вы можете регулировать степень “Автоулучшение”, “Резкость” в определённом радиусе и силе, “Насыщенность” и “Параметры файла”, где выбирается формат фотографии и цвет заднего фона.

Anytools

Fotor

Сайт для улучшения качества картинок на основе нейросетей. Сайт внешне похож на Canva, но по общирному функционалу больше походит на adobe photoshop. У нейронной сети здесь одна функция — увеличения входного изображения, увеличение его чёткости на основе деталей изображения, которые получил искусственный интеллект.

Fotor

HDconvert

Платная программа для улучшения качества фото нейросетью.

Есть три тарифа:

Basic — $5
Standart — $10
VIP — $99

Отличия тарифов просты — количество фотографий, которые можно улучшить. Качество также отличается, разработчики заявляют, что в отдельных случаях качество фото можно улучшить и до HD 2k, 4k, 8k Ultra HD. Никаких вторичных функций на сайте не имеется.

Большой выбор дополнительных настроек и параметров на каждом шаге при загрузке фотографии для улучшения.

HDconvert

Если у вас есть какие-либо старые изображения, возможно, плохого качества, сохраненные со старого телефона, на старом жестком диске или, возможно, даже загруженные из Интернета, то теперь у вас есть шанс обновить их до Full HD. Однако какой смысл повышать качество изображения? Это может показаться довольно очевидным, но повышение качества изображения и отмена некоторых деталей сжатия позволяют вам наслаждаться изображениями в HD, а в некоторых случаях и в ультра HD. Они выглядят лучше, позволяют получить отличную фотографию в рамке или могут быть использованы в качестве ресурсов в видеороликах или других публикациях в социальных сетях.

Zyro

Сайт для улучшения качества фото нейросетью. Никаких дополнительных функций или вариантов поиграть с фотографиями нет. Загрузить фотографию — улучшить качество — скачать фото.

достаточно большой выбор услуг, хотя большая часть из них не касается улучшения качества фотографии, но может быть тоже полезной

Zyro

Waifu2x

Бесплатный онлайн сервис для работы с фотографиями плохого качества. Улучшает качество изображений посредствам обработки фото нейросетью, которая увеличивает резкость и чёткость фото, взаимодействуя с имеющимися пикселями. Помимо улучшения качества можно увеличить размер фотографии или убрать ненужные шумы. На сайте есть 2 разные функции — улучшить качество рисунка или фотографии. Они различаются стилем обработки входного изображения.

Waifu2x

Let’s Enhance – искусственный интеллект для улучшения качества фотографий

Онлайн-сервис на основе искусственного интеллекта, задача которого улучшать качество фото. Стоит отметить, сайт имеет платную основу, Тарифы:

100 обработанных фото — $9
300 фотографий — $24
500 фотографий — $34

В пробной версии доступно улучшение качества пяти разных фотографий. Каждое фото можно улучшить 4 раза. При действии свёрточной нейронной сети у фотографий исчезают шумы, корректируется цвет и тон.

пример улучшения качества фото онлайн

Let’s Enhance

Для доступа к сервису из России вам пригодится VPN. Если у вас его еще нет, то рекомендуем изучить статью – 7 VPN-сервисов, не заблокированных на территории РФ

AI Image Enlarger

Очередной сайт на основе ИИ для улучшения качества фотографий. Пробный бесплатный период позволяет обработать 9 фотографий в месяц.

Также есть тарифы:

Премиум — $9/m
Корпоративная — $19/m

ДО | ПОСЛЕ

Помимо улучшения качества фотографий на сайте также можно поработать с: резкостью, удалением/добавлением шумов, корректировкой цветов и контраста, удалением фона и специальным софтом для ретуши лиц. Всем перечисленные функции основаны на ИИ.

AI Image Enlarger

Deep Image

На этом сайте для улучшения фото можно работать одновременно с несколькими фотографиями. После обработки фотографии доступны в качестве 6250 x 4000 px, 12020 x 2080 px и 5000 x 5000 px. Пробный период позволяет обработать пять фотографий, улучшив качество каждой 4 раза.

Тарифы онлайн-сервиса:

100 изображений — $9
500 изображений — $39
1000 изображений — $69

пример до | после

С помощью онлайн сервиса Deep Image можно не просто улучшить качество изображения, но и увеличить размер фотографии без потери качества, а также обработать его в онлайн редакторе, типо adobe photoshop.

Deep Image

Где отредактировать фото для инстаграм?

Vance AI Image Enlarger

Онлайн сервис Image Enlarger может улучшить качество фотографий в 8 раз с помощью технологии искусственного интеллекта. Важный факт — фотографии, загруженные на обработку, будут удалены через сутки. Пробный бесплатный период позволяет обработать 3 фотографии. Тарифы:

200 изображений- $9,9
500 изображений- $19,9

Достаточно простенький сервис для улучшения качества изображений, но попробовать обязательно стоит!

Vance AI Image Enlarger

icons8 AI Image Upscaler

Онлайн-сервис позволяет увеличивать размер изображений в несколько раз, вплоть до разрешения 3000х3000 px. Разработчики сайта предоставляют доступ к API за $250/m. Бесплатный пробный период позволяет обработать 3 изображения.

Дальнейшие тарифы:

За каждое отдельное фото — $0.2
100 фотографий — $9
Неограниченно — $99

пример до | после

Мы протестировали сервис icons8 и были поражены от невероятного результата. Фото размером 256×256 с большим количеством шума в мгновение увеличилось в 2 раза с высоким качеством детализации.

Crea8tiveAI Photo Refiner

Программа для обработки и улучшения качества изображений с помощью ИИ. Технология увеличивает сами пиксели по осям x,y, засчёт чего и происходит улучшение качества изображений. Данный сайт платный, но при оплате тарифа пользователь автоматически получает доступ к остальным инструментам Crea8tive Тарифы:

Одно фото — $5
200 фото — $48
500 фото — $98
3000 фото — $257
5000 фото — $450
10000 фото $8000

пример до | после

Отличная программа на основе ИИ, с помощью которой можно легко увеличить качество фотографии онлайн!

Crea8tiveAI

Upscale Pics

Онлайн программа для увеличениясжимания размеров изображения. Также работает с шумами фотографий. После оплаты тарифа появляется возможность работать с несколькими изображениями одновременно и увеличивает максимальное разрешение итоговых фото до 20000х20000 px.

Тарифы:

В месяц — $10
В год — $60

Upscale Pics

Topaz Gigapixel AI — программа для улучшения качества изображений

Софт для обработки изображений с помощью нейронной сети. Отличительная черта этого сервиса в том, что он может работать как плагин для фотошопа и как отдельный софт. Искусственный интеллект софта обучен на большом количестве разных типов изображений. Gigapixel не бесплатный, но перед покупкой его всегда можно попробовать в демо-режиме. Стоимость программы — $90.

Topaz Gigapixel

Remini – приложение для улучшения качества фото

Платное приложение для улучшения качества фотографий. Дополнительных функций здесь нет. Бесплатно можно редактировать 10 изображений в сутки (5 с Google аккаунта, 5 с аккаунта Facebook). Цена подписки — $10/w.

Remini

Реставрация фото с помощью нейросетей

Помимо современных фотографий технология улучшения качества с помощью ИИ отлично подходит для восстановления старых фотографий.

Любая бумага со временем портится и фотографии родственников могут просто пропасть. В 21 веке можно не только оцифровать, но ты реставрировать старые фотографии онлайн. ИИ работает не только с чёрно-белыми фото, но и с дефектными фотографиями, например надорванные, или помятые.

AI Image Upscaler — бесплатно увеличивайте и улучшайте свои фотографии

Мы используем современный искусственный интеллект для масштабирования и улучшения изображений

Перетащите изображение или

)

Поддерживаемые форматы:

pngjpegjpgwebp

Загружая изображение или URL-адрес, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.

Масштабируйте и улучшайте изображения до 4 раз

Улучшайте изображения с низким разрешением без потери деталей и подготавливайте их для любых личных и деловых нужд

Что такое Upscale.media?

Масштабируйте и улучшайте свои изображения с помощью нашей мощной технологии искусственного интеллекта всего за несколько кликов

Масштабируйте и улучшайте свои изображения с помощью нашей мощной технологии искусственного интеллекта всего несколькими щелчками мыши

Уникальные функции

Автоматические и быстрые результаты

С нашим мощным искусственным интеллектом технология, весь процесс апскейлинга завершается в течение нескольких секунд

Увеличить разрешение

Используя наши передовые алгоритмы компьютерного зрения, вы можете увеличить разрешение до 4x

Сохранение деталей

Мы сохраняем текстуры вашего изображения и улучшаем их таким образом, чтобы они выглядели реалистично при увеличении масштаба изображения

Upscale.

media для всех

Увеличивайте разрешение изображения без ущерба для качества, чтобы удовлетворить ваши личные и бизнес-требования

Профессионалы

Легко улучшайте низкокачественные изображения, чтобы сэкономить время для других творческих задач

Повышение качества всего: от картин до цифрового искусства, от портретов до пейзажей, от логотипов до изображений из каталога продукции

Электронная коммерция

Увеличьте коэффициент конверсии ваших продуктов в Интернете с помощью четких и четких изображений

Оптимизируйте свой рабочий процесс, выполняя требования различных платформ с высоким разрешением с помощью Upscale.media до 400%

Улучшение еще никогда не было таким простым, но с помощью ИИ это можно сделать за несколько секунд, не тратя на дорогостоящие инструменты

Последние блоги

Как увеличить разрешение изображения в Photoshop

А вместе с этим у вас есть собственное руководство по созданию идеальных фотографий! Работать с Adobe Photoshop и Lightroom очень просто, если вы узнаете, что нужно делать, а что нельзя. Теперь, когда вы знаете, как увеличивать изображения и увеличивать их разрешение, редактирование изображений больше не будет для вас бременем. Наоборот, это будет для вас детской игрой! С помощью этих советов вы сможете успешно масштабировать как изображение, так и разрешение изображения в Photoshop. Конечно, результаты никогда не будут такими же хорошими, как если бы вы начали с изображения с высоким разрешением, но стоит спасти старую любимую фотографию или увеличить маленькое изображение, чтобы его можно было распечатать. Вы всегда можете продолжать экспериментировать и экспериментировать с различными советами и методами, чтобы выяснить, что лучше всего подходит для вас. И да, не забудьте дать upscale.media шанс, так как это очень удобный инструмент для улучшения фотографий, а также добавить немного искры! Попробуйте и убедитесь сами.

Подробнее

Как изменить разрешение в пикселях для изображения в формате jpeg

Этот блог содержит актуальную информацию о Upscale. media, о том, как она работает, важные функции и преимущества изменения разрешения в пикселях в изображении в формате jpeg. Upscale.media — это программа на основе искусственного интеллекта, которая быстро и легко увеличивает фотографии с низким разрешением до крупного шрифта. Его инструменты проектирования искусственного интеллекта для крупномасштабного потребления используются отдельными лицами, агентствами и компаниями электронной коммерции по всему миру для увеличения производительности и доходов. Upscale.media предоставляется бесплатно для личного использования, поэтому не стесняйтесь загружать любые фотографии, которые вы хотели бы обработать. Файлы PNG, JPG, JPEG и WEBP теперь поддерживаются Upscale.media.

Как повысить разрешение изображения в Photoshop

Подробнее

Как изменить разрешение в пикселях для изображения в формате jpeg

Этот блог содержит актуальную информацию о Upscale.media, о том, как она работает, важные функции и преимущества изменения разрешения в пикселях в изображении в формате jpeg. Upscale.media — это программа на основе искусственного интеллекта, которая быстро и легко увеличивает фотографии с низким разрешением до крупного шрифта. Его инструменты проектирования искусственного интеллекта для крупномасштабного потребления используются отдельными лицами, агентствами и компаниями электронной коммерции по всему миру для увеличения производительности и доходов. Upscale.media предоставляется бесплатно для личного использования, поэтому не стесняйтесь загружать любые фотографии, которые вы хотели бы обработать. Файлы PNG, JPG, JPEG и WEBP теперь поддерживаются Upscale.media.

Как повысить разрешение изображения в Photoshop

Конечно, результаты никогда не будут такими же хорошими, как если бы вы начали с изображения с высоким разрешением, но стоит спасти старую любимую фотографию или увеличить маленькое изображение, чтобы его можно было распечатать. Вы всегда можете продолжать экспериментировать и экспериментировать с различными советами и методами, чтобы выяснить, что лучше всего подходит для вас. И да, не забудьте дать upscale.media шанс, так как это очень удобный инструмент для улучшения фотографий, а также добавить немного искры! Попробуйте и убедитесь сами.

Попробуйте другие наши продукты

Erase.bg — это интеллектуальный инструмент для удаления фона с помощью ИИ, который позволяет БЕСПЛАТНО стереть фон

Watermarkremover.io — это инструмент для удаления водяных знаков с ИИ, который позволяет вам удалить водяные знаки с изображений БЕСПЛАТНО.

Shrink.media БЕСПЛАТНО уменьшает размер ваших изображений, используя интеллектуальную технику сжатия.

Watermarkremover.io — это инструмент для удаления водяных знаков с искусственным интеллектом, который позволяет БЕСПЛАТНО удалять водяные знаки с изображений.

Shrink.media БЕСПЛАТНО уменьшает размер ваших изображений, используя интеллектуальную технику сжатия.

Erase.bg — это интеллектуальный инструмент для удаления фона с искусственным интеллектом, который позволяет БЕСПЛАТНО стереть фон.

Shrink.media БЕСПЛАТНО уменьшает размер ваших изображений, используя интеллектуальную технику сжатия.

Erase.bg — это интеллектуальный инструмент для удаления фона с искусственным интеллектом, который позволяет БЕСПЛАТНО стереть фон

Shrink.media БЕСПЛАТНО уменьшает размер ваших изображений, используя интеллектуальную технику сжатия.

Часто задаваемые вопросы

Здесь мы перечислили некоторые часто задаваемые вопросы сообщества. Если вы не нашли нужную информацию, свяжитесь с нами по адресу [email protected]

Что такое Upscale.media?

Upscale.media — это инструмент на основе искусственного интеллекта, который автоматически увеличивает масштаб изображений за считанные секунды. С помощью наших инструментов массового проектирования искусственного интеллекта мы помогаем людям, агентствам и предприятиям электронной коммерции во всем мире повышать свою производительность и доходы.

Является ли Upscale.media бесплатным?

Да , Upscale.media полностью бесплатна для изображений, обрабатываемых на нашем веб-сайте для личного использования. PixelBin.io предоставляет различные планы подписки для коммерческого или профессионального использования.

Какие образы поддерживаются?

Upscale.media теперь поддерживает типы изображений PNG, JPG, JPEG и WEBP .

Как я могу использовать Upscale.media для массовой обработки или в коммерческих целях?

Вы можете пакетно обрабатывать изображения с помощью нашего продукта PixelBin. io. PixelBin предлагает преобразование изображений в реальном времени с автоматической оптимизацией, URL-адресами изображений и хранилищем для вашей медиатеки.

Какое максимальное разрешение изображения/размер файла?

Максимальное поддерживаемое выходное разрешение и размер: 1500 x 1500 пикселей и 25 МБ .

Повышение качества изображения с низким разрешением с использованием случайно выбранных данных для многосрезовой МРТ — Pang

Исходная статья

Yong Pang ¹ , Baiying Yu ² , Xiaoliang Zhang ^1,3

¹ Кафедра радиологии и биомедицинской визуализации Калифорнийского университета в Сан-Франциско, Сан-Франциско, Калифорния, США;

2 Магвале, Пало-Альто, Калифорния, США; ³ Объединенная групповая программа UCSF/UC Berkeley по биоинженерии, Сан-Франциско и Беркли, Калифорния, США

Адрес для связи: Xiaoliang Zhang. Отдел радиологии и биомедицинской визуализации, Байерс-Холл, комната 102, 1700 4 ^th ST, Сан-Франциско, Калифорния 94158-2330, США. Электронная почта: [email protected].

Abstract: Изображения с низким разрешением часто получают в in vivo МР-приложениях, включающих широкое поле зрения (FOV) и высокоскоростную визуализацию, например, МРТ всего тела и функциональные МРТ-приложения. В этой работе мы исследуем стратегию получения изображений с несколькими срезами для получения изображений с низким разрешением с использованием МРТ со сжатым зондированием (CS) для повышения качества изображения без увеличения времени получения. В этой стратегии изображения с низким разрешением всех срезов получаются с использованием последовательности изображений с несколькими срезами. Кроме того, дополнительные случайно выбранные данные в одном центральном срезе собираются с использованием стратегии CS. Эти дополнительные случайно выбранные данные умножаются на весовые функции, сгенерированные из полных 9 изображений с низким разрешением.

0188 k -пространство изображения двух срезов, а затем интерполированные в k -пространство других срезов. In vivo МРТ-изображений человеческого мозга были использованы для изучения осуществимости и эффективности предложенного метода. Также было проведено количественное сравнение между обычными изображениями с низким разрешением и изображениями, полученными по предлагаемому методу, чтобы продемонстрировать преимущества метода.

Ключевые слова: Изображение низкого разрешения; МРТ с компрессионным зондированием; интерполированное сжатое зондирование (CS), визуализация нескольких срезов

Поступила 24.04.2014. Принята к публикации 29.04.2014.

doi: 10.3978/j.issn.2223-4292.2014.04.17

Введение

В приложениях in vivo МР-визуализации, таких как скрининг всего тела (1-11) и активационное картирование в функциональной МРТ (12-25), часто используется МР-визуализация с относительно низким разрешением из-за требования большого поля зрения. вид (FOV) или высокая скорость визуализации. Компромиссом за сокращение времени сбора данных при визуализации с низким разрешением является резкое сокращение сбора высокочастотных компонентов МР-сигналов. Изображения с недостатком высокочастотной информации предоставляют ограниченную информацию об объектах изображения. В последнее время для сокращения времени сбора данных и размера необработанных данных с помощью значительного уменьшения выборки 9 используется метод визуализации с компрессированным зондированием (CS) (26, 27).0188 к

-место для МРТ (28-50). На основе метода CS предложена МРТ с интерполированным сжатым зондированием (iCS) (51-53), которая продемонстрировала преимущества получения МРТ с несколькими срезами для улучшения качества и контрастности изображения за счет использования необработанных данных из других срезов и взвешивающих функций. В этой работе мы исследуем новую стратегию улучшения качества изображения для многосрезового изображения с низким разрешением с использованием метода разреженной выборки.

При многосрезовой съемке с низким разрешением в верхней части
k — пространственные данные, полученные для формирования изображения с низким разрешением, более k — пространственные данные одного центрального среза будут получены с использованием стратегии некогерентной выборки. Дополнительные k -пространственных данных центрального слоя могли бы улучшить высокочастотную информацию и, таким образом, увеличить разрешение изображения, в конечном счете предоставляя более подробную информацию об изображении. На основе данных с низким разрешением могут быть сгенерированы весовые функции, которые отражают разницу между центральным срезом и другими срезами (или целевыми срезами). Дополнительные данные, полученные в центральном срезе, будут интерполированы в другие срезы после умножения соответствующих весовых функций. Затем будет выполняться реконструкция изображения для каждого среза с использованием алгоритма реконструкции CS. Эта стратегия способна улучшить качество изображений с низким разрешением в многосрезовой визуализации с точки зрения разрешения, контраста и точности изображения.

In vivo MR-изображение головного мозга человека было применено для изучения осуществимости и эффективности предлагаемого метода. Также было выполнено сравнение с исходными изображениями с низким разрешением по ошибке изображения.

Теория и методы

Предлагаемая стратегия получения нескольких срезов изображений с низким разрешением показана на рис. 1 . Для получения многосрезовых изображений с низким разрешением вместе со случайно выбранными k — пространственные данные одного центрального среза, нам необходимо изменить обычные последовательности изображений, добавив стратегию разреженного сбора данных к центральному срезу.

Рис. 1 Блок-схема процедуры улучшения качества изображения за счет использования разреженных необработанных данных с недостаточной дискретизацией. CG, сопряженный градиент.

Во-первых, весовые функции между центральным срезом и другими срезами генерируются путем вычисления частного между двумя изображениями:

[1]

, где I ₁ и I ₂ обозначают исходные изображения с низким разрешением центрального среза и других срезов соответственно. С помощью преобразования Фурье весовые функции в области k -пространства получаются:

[2]

, где W _k — весовая функция в пространстве k .

Во-вторых, предполагаемые k -пространственные данные целевого среза рассчитываются путем свертки весовой функции и k -пространственных данных центрального среза:

[3]

где S _{k_center} — это необработанные данные центрального среза, подвергнутые недостаточной выборке с использованием стратегии разреженной МРТ, а S _{k_new} — это оценочные необработанные данные целевого среза.

Последним шагом является интерполяция этих оценочных данных в k -пространство исходных изображений целевых срезов с низким разрешением. Используя реконструкцию нелинейного сопряженного градиента (CG), подобную той, которая используется в обычной МРТ CS, можно получить улучшенное изображение с улучшенным разрешением изображения и меньшей ошибкой изображения.

Для проверки осуществимости метода был разработан пример сбора данных, способный реализовать предложенный метод с визуализацией человеческого мозга. Процедура проектирования показана на рис. 2 . Всего было получено 9 срезов с низким разрешением. Дополнительные случайно выбранные данные были получены для центрального среза. Эти сборы данных (т. е. исходное низкое разрешение и дополнительные данные для центрального среза) можно было бы объединить в одну последовательность изображений и выполнить за один сбор данных. При реконструкции изображения весовые функции рассчитывались по уравнению [1] и уравнение [2] и высокой частоты k -пространственные данные других 8 срезов были оценены с помощью уравнения. [3]. Наконец, нелинейный метод компьютерной графики был использован для построения изображения для всех срезов с использованием оцененных k данных в пространстве.

Рис. 2 Схема многосрезовой двухмерной МРТ-визуализации с низким разрешением с интерполяцией сжатых данных зондирования с недостаточной выборкой, используемой в нашем эксперименте с МРТ. Всего было получено 9 срезов за одну последовательность сбора данных. Центральный срез был подвергнут недостаточной выборке с использованием как стратегии разреженной недостаточной выборки (частота недостаточной выборки составляет 1/4 вдоль фазы кодирования), так и выборки с низким разрешением, в то время как остальные 8 срезов были получены с использованием только обычной выборки с низким разрешением. Дополнительные необработанные данные центрального среза вместе с весовыми функциями использовались для оценки отсутствующих необработанных данных других 8 срезов. Алгоритм сопряженного градиента использовался для выполнения реконструкции изображения для всех срезов.

Ошибки изображения в эталонном изображении и изображениях с недостаточной дискретизацией были рассчитаны для оценки эффективности реконструкции. Ошибки изображения были получены путем вычитания реконструированных изображений из полных k -пространственных эталонных изображений. В частности, используемый расчет ошибки изображения был рассчитан с использованием:

[4]

где представляет интенсивность сигнала j -го пикселя в полном k -пространственном эталонном изображении и представляет собой интенсивность сигнала j-го пикселя в реконструированных с помощью предлагаемого метода изображениях с недостаточной дискретизацией или изображениях с низким разрешением.

В сравнительных исследованиях мы выполнили реконструкцию изображения с использованием двух других методов — метода нулевого заполнения и обычного метода CS при том же времени сбора данных (или с той же частотой субдискретизации), что и при использовании предлагаемого метода iCS. Карты ошибок изображения и отношение контраста к шуму (CNR) сравнивались для оценки эффективности трех различных методов.

Результаты

На рис. 3 показаны изображения человеческого мозга всех остальных 8 срезов (кроме центрального среза). Первый столбец иллюстрирует изображения, реконструированные из полных k -пространственных данных (размер необработанных данных был 512 на 512), которые служат эталонными изображениями. Второй столбец — изображения, восстановленные по предлагаемому методу. Третий столбец — изображения, восстановленные из 9 изображений низкого разрешения.0188 k — пространственные данные с 75 шагами фазового кодирования, которые имеют частоту недостаточной дискретизации, эквивалентную предложенному методу в этом исследовании. Количество фаз кодирования для получения iCS было 64, в то время как редкая частота недостаточной дискретизации центрального среза составляла 1/4 в направлении фазового кодирования (128 фаз кодирования). Из результатов, показанных на рис. 3 , очевидно, что качество изображения метода iCS выше, чем у того же среза при сборе данных с низким разрешением. Для количественной оценки и сравнения уравнение. [4] был использован для расчета ошибок изображения для всех срезов. Остаточные изображения показаны в Рисунок 4 . Ошибки изображения для всех срезов показаны в таблице 1 . Эти результаты демонстрируют значительно улучшенную точность изображения предлагаемого метода.

Таблица 1 Средняя ошибка изображения реконструированного изображения iCS и реконструированного изображения с обычным заполнением нулями по сравнению с полным эталонным изображением в k-пространстве. Используя предложенный метод iCS, можно значительно уменьшить ошибку изображения каждого среза по сравнению с ошибкой метода нулевого заполнения при том же времени сбора данных
Полный стол

Рисунок 5 показывает CNR изображений, показанных в Рисунок 3 . Среднее CNR каждого изображения показано в таблице 2 . Из карт CNR и таблицы 2 видно, что CNR изображений iCS намного выше, чем у изображений с низким разрешением при том же времени сбора.

Таблица 2 Среднее CNR реконструированного изображения iCS и реконструированного изображения с обычным нулевым заполнением. CNR каждого среза значительно улучшается при использовании метода iCS по сравнению с традиционными реконструированными изображениями с нулевым заполнением за то же время сбора данных
Полный стол

По сравнению с обычным методом CS изображения с недостаточной дискретизацией были получены за то же время сбора данных, что и при использовании метода iCS, то есть общее количество строк фазового кодирования составляло 75 для каждого из 9 срезов при многосрезовом сборе. Используя ту же стратегию реконструкции сопряженного градиента, были получены реконструированные обычные изображения CS. Результаты сравнения изображений, восстановленных методом iCS и обычным методом CS, для всех срезов показаны на 9.0188 Рисунок 6 . Средняя ошибка изображения обычного метода CS была на 14% больше, чем при использовании предложенного интерполированного метода CS. Кроме того, на изображениях, реконструированных с помощью обычного CS, отчетливо видны увеличенные артефакты. Это еще раз демонстрирует преимущество предложенной стратегии в многосрезовой визуализации с низким разрешением.

Рисунок 3 8-срезовое МРТ-изображение головного мозга человека in vivo в аксиальной плоскости. В первом столбце показаны эталонные изображения, полностью отобранные (размер матрицы 512 × 512) и реконструированные с использованием метода суммы квадратов. Во втором столбце показаны изображения, полученные и реконструированные с использованием предложенного метода iCS. Частота недостаточной дискретизации для центрального среза составляет 1/4, а изображение с низким разрешением всех 9кусочки 1/8. В третьем столбце показаны изображения с низким разрешением с одинаковым размером необработанных данных (~ 1/7 необработанных данных для каждого среза). iCS, интерполированное сжатое измерение.

Рисунок 4 Сравнение ошибок изображения. Первый столбец — это ошибка изображения изображений, полученных с использованием предложенного метода iCS. Второй столбец — это ошибка изображения реконструированных изображений с нулевым заполнением. Изображения iCS показывают значительно меньшую среднюю ошибку изображения по сравнению с изображениями низкого разрешения с нулевым заполнением. iCS, интерполированное сжатое измерение.

Рисунок 5 Сравнение отношения контраста к шуму (CNR) двух стратегий визуализации. Первый столбец — это CNR изображений iCS. Второй столбец представляет собой CNR реконструированных изображений с нулевым заполнением. По сравнению с изображениями низкого разрешения с нулевым заполнением можно четко наблюдать более высокое CNR изображений iCS. iCS, интерполированное сжатое измерение.

Рисунок 6 Сравнение изображений, реконструированных методом iCS (левый столбец) и традиционным методом CS (правый столбец) при одном и том же времени сбора данных или при одинаковой частоте субдискретизации. Средняя ошибка изображения по методу CS на 14% выше, чем у изображений по iCS-реконструкции. iCS, интерполированное сжатое зондирование; CS, сжатое зондирование.

Предложен и исследован метод улучшения качества изображения при многосрезовой визуализации с низким разрешением с использованием iCS. Обнадеживающие результаты валидации изображения мозга человека in vivo и сравнение с обычным методом визуализации в одно и то же время продемонстрировали осуществимость и преимущества предложенного метода для многослойной визуализации с низким разрешением. За счет получения дополнительных данных выборки одного центрального среза с использованием стратегии некогерентной недостаточной выборки в CS, больше высокочастотной информации в k -пространство может быть получено во всех срезах, что в конечном итоге приводит к улучшенным изображениям с более высоким CNR и пространственным разрешением. Предлагаемый метод может принести непосредственную пользу приложениям для визуализации, требующим большого поля зрения и/или быстрого сбора данных.

В предлагаемом методе точность весовой функции имеет решающее значение для точности интерполированных k пространственных данных и, следовательно, точности изображения. При генерации весовых функций для интерполяции k -пространство данных в целевые срезы, из-за конечного преобразования Фурье и шума, генерируемого во время процедуры сканирования, сгенерированные весовые функции могут быть недостаточно точными.

Благодарности

Финансирование: Эта работа была частично поддержана грантами NIH EB008699, K99EB015487 и P41 EB013598, исследовательской премией QB3, премией Springer Med Fund и грантом Национального фонда естественных наук Китая (51228702).

Раскрытие информации: Авторы заявляют об отсутствии конфликта интересов.

Каталожные номера

Падхани А. Р., Макрис А., Галл П. и др. Терапевтический мониторинг скелетных метастазов с помощью диффузионной МРТ всего тела. J Magn Reson Imaging 2014; 39:1049-78. [ПубМед]
Michielsen K, Vergote I, Op de Beeck K, et al. МРТ всего тела с диффузионно-взвешенной последовательностью для стадирования пациентов с подозрением на рак яичников: клиническое технико-экономическое обоснование по сравнению с КТ и ФДГ-ПЭТ/КТ. Евро Радиол 2014;24:889-901. [ПубМед]
Дель Весково Р., Фрауэнфельдер Г., Джурацца Ф. и др. Роль диффузионно-взвешенной МРТ всего тела в обнаружении метастазов в костях. Radiol Med 2014. [Epub перед печатью]. [ПубМед]
Wu X, Nerisho S, Dastidar P, et al. Сравнение различных последовательностей МРТ при обнаружении поражений и оценке раннего ответа при диффузной крупноклеточной В-клеточной лимфоме — исследование МРТ всего тела и диффузионно-взвешенной визуализации. ЯМР Биомед 2013; 26:1186-94. [ПубМед]
Kwee TC, Vermoolen MA, Akkerman EA, et al. МРТ всего тела, включая диффузионно-взвешенную визуализацию, для определения стадии лимфомы: сравнение с КТ в проспективном многоцентровом исследовании. J Magn Reson Imaging 2013. [Epub перед печатью]. [ПубМед]
Jouvet JC, Thomas L, Thomson V, et al. МРТ всего тела с диффузионно-взвешенными последовательностями по сравнению с ПЭТ-КТ с 18 ФДГ, КТ и ультразвуковым исследованием поверхностных лимфатических узлов при стадировании прогрессирующей меланомы кожи: проспективное исследование. J Eur Acad Dermatol Venereol 2013. [Epub перед печатью]. [ПубМед]
Акбарзаде А., Ай М.Р., Ахмадян А. и др. Коррекция затухания под контролем МРТ при ПЭТ/МР всего тела: оценка эффекта затухания кости. Энн Нукл Мед 2013; 27:152-62. [ПубМед]
Мюрц П., Кашнер М., Требер Ф. и др. Диффузионно-взвешенная МРТ всего тела с подавлением фонового сигнала тела: технические усовершенствования при 3,0 Тл Дж Magn Reson Imaging 2012;35:456-61. [ПубМед]
Кох Д.М., Блэкледж М., Падхани А. Р. и др. Диффузионно-взвешенная МРТ всего тела: советы, рекомендации и подводные камни. AJR Am J Roentgenol 2012;199:252-62. [ПубМед]
Horger M, Weisel K, Horger W, et al. Диффузионно-взвешенная МРТ всего тела с картированием явного коэффициента диффузии для мониторинга раннего ответа при множественной миеломе: предварительные результаты. AJR Am J Roentgenol 2011;196: W790-5. [ПубМед]
Fischer MA, Nanz D, Hany T, et al. Диагностическая точность объединения изображений МРТ/ДВИ всего тела для обнаружения злокачественных опухолей: сравнение с ПЭТ/КТ. Евро Радиол 2011;21:246-55. [ПубМед]
Угурбиль К., Сюй Дж., Ауэрбах Э.Дж. и др. Повышение пространственного и временного разрешения для функциональной и диффузионной МРТ в рамках проекта Human Connectome. Нейроимидж 2013;80:80-104. [ПубМед]
Де Мартино Ф., Шмиттер С., Мёрел М. и др. Функциональная МРТ спинового эха в двусторонней слуховой коре при 7 T: применение B ₁ прокладка. Нейроимидж 2012;63:1313-20. [ПубМед]
Chen W, Liu X, Zhu XH и др. Функциональная МРТ-исследование функций головного мозга в состоянии покоя и в активированном состоянии. Conf Proc IEEE Eng Med Biol Soc 2009;2009:4061-3.
Лю С., Тянь В., Колар Б. и др. Усовершенствованная МРТ диффузионно-тензорная визуализация и перфузионно-взвешенная визуализация интрамедуллярных опухолей и опухолеподобных поражений в области цервикомедуллярного соединения и шейного отдела спинного мозга. Дж. Нейронкол 2014; 116:559-66. [ПубМед]
Ву И, Цзоу С, Лю В и др. Влияние величины B на выявление постинфарктного микроструктурного ремоделирования миокарда с помощью МР-диффузионной тензорной визуализации. Magn Reson Imaging 2013;31:847-56. [ПубМед]
Чан К.С., Хонг П.Л., Лау Х.Ф. и др. Поздние измерения микроструктурных изменений при тяжелой неонатальной гипоксически-ишемической энцефалопатии с помощью МРТ диффузионно-тензорной визуализации. Int J Dev Neurosci 2009; 27: 607-15. [ПубМед]
Guo AC, Jewells VL, Provenzale JM. Анализ нормально выглядящего белого вещества при рассеянном склерозе: сравнение диффузионно-тензорной МРТ и визуализации с переносом намагниченности. AJNR Am J Neuroradiol 2001; 22: 1893-900. [ПубМед]
Сайто К., Ледсам Дж., Сурброн С. и др. Измерение функционального резерва печени с использованием МРТ с динамическим контрастным усилением Gd-EOB-DTPA с низким временным разрешением: предварительное исследование, сравнивающее сцинтиграфию галактозилового сывороточного альбумина человека с удержанием индоцианина зеленого. Евро Радиол 2014;24:112-9. [ПубМед]
Скаутен А, Пападеметрис Х, констебль РТ. Пространственное разрешение, отношение сигнал/шум и сглаживание в мультисубъектных функциональных МРТ-исследованиях. Нейроимидж 2006;30:787-93. [ПубМед]
Damon BM, Wadington MC, Lansdown DA, et al. Пространственная неоднородность динамики интенсивности функционального МРТ-сигнала мышц во времени: влияние интенсивности упражнений. Magn Reson Imaging 2008;26:1114-21. [ПубМед]
Ханакава Т., Димьян М.А., Халлетт М. Планирование, визуализация и выполнение движений в распределенной двигательной сети: исследование во времени с помощью функциональной МРТ. Церебральная кора 2008; 18: 2775-88. [ПубМед]
Damon BM, Wadington MC, Hornberger JL, et al. Абсолютный и относительный вклад эффектов BOLD во временную динамику интенсивности функционального сигнала МРТ мышц: влияние интенсивности упражнений. Magn Reson Med 2007; 58:335-45. [ПубМед]
Zhang X, Yacoub E, Hu X. Новая стратегия реконструкции данных частичной визуализации Фурье в функциональной МРТ. Magn Reson Med 2001;46:1045-8. [ПубМед]
Monk CS, Zhuang J, Curtis WJ, et al. Активация гиппокампа человека в задачах памяти с отсроченным сопоставлением и несовпадением с образцом: функциональный МРТ-подход, связанный с событиями. Behav Neurosci 2002; 116:716-21. [ПубМед]
Донохо ДЛ. Сжатое восприятие. IEEE Trans Inform Theory 2006; 52:1289-306.
Цайг Ю. , Донохо Д.Л. Расширения сжатого восприятия. Обработка сигналов 2006; 86: 533-48.
Люстиг М., Донохо Д., Поли Дж.М. Разреженная МРТ: применение сжатого зондирования для быстрой МРТ-визуализации. Magn Reson Med 2007; 58:1182-95. [ПубМед]
Ву Б., Ли В., Гвидон А. и др. Картирование восприимчивости всего мозга с использованием сжатого зондирования. Magn Reson Med 2012;67:137-47. [ПубМед]
Маделин Г., Чанг Г., Отазо Р. и др. МРТ хрящей с компрессионным зондированием натрия при 7T: предварительное исследование. J Magn Reson 2012; 214:360-5. [ПубМед]
Ю. Ю., Хун М., Лю Ф. и др. МРТ со сжатым зондированием с использованием разреженности на основе разложения по сингулярным значениям. Conf Proc IEEE Eng Med Biol Soc 2011;2011:5734-7.
Ву Б., Миллан Р.П., Уоттс Р. и др. Сжатое зондирование на основе предварительной оценки в параллельной МРТ. Magn Reson Med 2011;65:83-95. [ПубМед]
Михайлович О., Рати Ю., Долуи С. Пространственно регуляризованное сжатое зондирование для диффузионной визуализации с высоким угловым разрешением. IEEE Trans Med Imaging 2011;30:1100-15. [ПубМед]
Маджумдар А, район РК. Алгоритм разреженной реконструкции МРТ путем минимизации p-нормы Шаттена. Magn Reson Imaging 2011;29:408-17. [ПубМед]
Лян Д., ДиБелла Э.В., Чен Р.Р. и др. k-t ISD: динамическая МРТ сердца с использованием сжатого зондирования с итеративным вспомогательным обнаружением. Magn Reson Med 2012;68:41-53. [ПубМед]
Menzel MI, Tan ET, Khare K, et al. Ускоренная визуализация диффузионного спектра в мозге человека с использованием сжатого зондирования. Magn Reson Med 2011;66:1226-33. [ПубМед]
Larson PE, Hu S, Lustig M, et al. Быстрая динамическая трехмерная МР-спектроскопия со сжатым зондированием и многополосными импульсами возбуждения для исследований гиперполяризованного 13C. Magn Reson Med 2011;65:610-9. [ПубМед]
Çukur T, Lustig M, Saritas EU, et al. Компенсация сигнала и сжатое восприятие для МР-ангиографии с подготовкой к намагничиванию. IEEE Trans Med Imaging 2011;30:1017-27. [ПубМед]
Хуанг Ф., Лин В., Дуэнсинг Г.Р. и др. K-t sparse GROWL: последовательное сочетание частично параллельной визуализации и сжатого зондирования в пространстве k-t с использованием гибкой виртуальной катушки. Magn Reson Med 2012;68:772-82. [ПубМед]
Хун М., Ю. Ю., Ван Х. и др. МРТ со сжатым зондированием на основе разреженности на основе разложения по сингулярным значениям. Phys Med Biol 2011;56:6311-25. [ПубМед]
Vasanawala SS, Alley MT, Hargreaves BA, et al. Усовершенствованная педиатрическая МРТ со сжатым зондированием. Радиология 2010;256:607-16. [ПубМед]
Chang CH, Ji J. Усовершенствованная МРТ со сжатием и многоканальными данными с использованием перевзвешенной минимизации l(1). Conf Proc IEEE Eng Med Biol Soc 2010;2010:875-8.
Аджрауи С., Ли К.Дж., Деппе М.Х. и др. Сжатое зондирование при МРТ легких с гиперполяризованным 3He. Magn Reson Med 2010;63:1059-69. [ПубМед]
Ху С., Лустиг М., Балакришнан А. и др. Трехмерное сжатое зондирование для высокоускоренного гиперполяризованного (13)C MRSI с применением in vivo к моделям рака трансгенных мышей. Magn Reson Med 2010;63:312-21. [ПубМед]
Холланд Д.Дж., Малютов Д.М., Блейк А. и др. Сокращение времени сбора данных при визуализации скорости с фазовым кодированием с использованием сжатого зондирования. J Magn Reson 2010; 203: 236-46. [ПубМед]
Халдар Дж.П., Эрнандо Д., Лян З.П. МРТ со сжатым зондированием и случайным кодированием. IEEE Trans Med Imaging 2011;30:893-903. [ПубМед]
Отазо Р., Ким Д., Аксель Л. и др. Комбинация сжатого зондирования и параллельной визуализации для высокоускоренной перфузионной МРТ сердца с первым проходом. Magn Reson Med 2010;64:767-76. [ПубМед]
Лян Д., Лю Б., Ван Дж. и др. Ускорение SENSE с использованием сжатого восприятия. Magn Reson Med 2009;62:1574-84. [ПубМед]
Ji JX, Zhao C, Lang T. Параллельная магнитно-резонансная томография с компрессионным зондированием. Conf Proc IEEE Eng Med Biol Soc 2008;2008:1671-4.
Ху С., Лустиг М., Чен А.П. и др. Сжатое зондирование для повышения разрешения гиперполяризованного 3D-MRSI обратного хода 13C.
Улучшение качества изображения: Улучшить Качество Фото Онлайн Бесплатно