我在控制诸如微镜等成像硬件所使用的软件方面做了工作,这些软件有时难以投入时间。 这意味着难以测试新的/不同算法,而这种算法需要查阅仪器。 因此,我想创建一种合成工具,用于其中一些测试目的。 我正在考虑使用某种相片图像生成合成图像。 关键在于能够以某种决定性的方式在许多不同的放大和地点产生特征。 这是因为一些正在测试的算法可能需要泛地/流放和迁移以前图像区。 在这些基本图像上,我可以应用任何适当的仪器缺陷(焦点、噪音、饱和等)。
I m在如何选择/实施一个优细算法对基体图像进行选择或实施损失的轨道上。 希望得到任何帮助。 最好具有以下特性:
- Be fast at rendering new image areas.
- Fairly wide feature coverage at as many locations and scales as possible.
- Be deterministic (but initialized from random starting parameters).
- Ability to tune to make images look more like real images.
项目2很重要,例如,一个手提布罗套,其面积庞大的平稳/低排放区域,可能不会很好,因为控制合成范围的软件可能属于其中一个领域。
迄今为止,我曾想使用像红del这样的东西,但随意改变/转播/缩小和合并两个或两个以上骨折,以获得更完整的特征覆盖。
我也看到了离层火焰算法的图像,这些图像似乎产生了可能有用的图像(而且可以看一看)。
最后,我深思熟虑的是,利用某种微粒模拟来生成像细胞一样的图像(目前的成像目标),但我不敢肯定,这种做法是否能够满足其他要求。
Edit: @Jeffrey - So it sounds like some kind of terrain generation might be the way to go, as long as I have complete control over the PSRNG. Perhaps I can use some stored initial seed + x position + y position to generate my random numbers? But then I am unsure of how to consistently generate the terrains across scales, except, as you mentioned, to create the base terrain at the coursest scale, and at certain pre-determined magnifications add new deterministic pseudo-random variations to this base. I d also have to be careful about when to generate the next level of terrain, since if I m too aggressive I d have to generate and integrate the results appropriately for display at the coarser level... This is why I initially was leaning toward a more traditional fractal, since this integration from finer scales would be handled more implicitly (I think).