Какво е шум при обработката на изображения? – Буквар

Ако някога сте виждали снимка, на която забелязвате прахови частици, които не са част от действителното изображение, вероятно виждате „шум“ в изображението. Има много технически причини защо това се случва. Често затъмнява действителното изображение и е водещата причина за влошаване на качеството на изображението при предаване на цифрово изображение.

Това е мястото, където обработката на изображения предлага стабилно решение. Той предоставя широк набор от техники за намаляване на шума, като пространствено филтриране, честотно филтриране, филтриране, базирано на трансформация, филтриране, базирано на дълбоко обучение, и т.н.

В тази статия ще проучим някои ключови техники, които могат да се използват за намаляване на шума в изображенията, заедно с изследването на водещите видове и причини за шума в изображението. Нека се потопим!

Видове шум при обработка на изображения

Симулация на вариации на шума – MDF, CC BY-SA 3.0, чрез Wikimedia Commons

Фактори, вариращи от условията на околната среда до сензора на камерата, могат да внесат шум в изображението. Четирите основни вида шум, които обикновено виждате в изображенията, включват:

• Допълнителен шум: Причинени от произволни вариации в информацията за яркостта или цвета в изображението. Това е най-често срещаният тип шум, наблюдаван в изображенията.
• Субтрактивен шум: Причинява се от произволното изваждане на стойностите на пикселите от оригиналното изображение, което води до лошо качество на изображението, което често се вижда като тъмни петна или региони в изображението. Субтрактивният шум обикновено се появява при условия на слаба светлина.
• Мултипликативен шум: Причинява се, когато стойността на шума се умножи по оригиналната стойност на пиксела, което често води до лошо качество на изображението около по-светлите части на изображението. Това е най-трудният тип шум за премахване поради значителни вариации в стойността на пикселите.
• Импулсен шум: Причинени от внезапни промени в стойността на пикселите, които се виждат като произволни черни и бели пиксели, разглеждани като резки смущения в изображението. Нарича се още „шум от сол и черен пипер“. Това е резултат от дефекти на камерата, грешки при предаване или космически лъчи.

Причини за шум при обработка на изображения

Шумът в изображението може да се дължи на различни източници, включително:

1. Условия на околната среда: Външни фактори като лошо осветление или близки електронни смущения обикновено причиняват шум в изображенията. Те могат да добавят произволни вариации в изображенията.
2. Шум на сензора: Всички проблеми със сензора, използван в камери и скенери, могат да добавят шум в изображенията. Например, при условия на лошо осветление, ако не използвате сензор с добро качество, той може да усили шума заедно със светлината.
3. Квантуващ шум: Възниква, когато аналоговите сигнали се преобразуват в цифрова форма, особено при изображения с висок контраст. Например, когато сканирате снимка, често ще видите шум в полученото изображение. Това е шум от квантоване, появяващ се от цифровизацията на изображението.
4. Шум при предаване: Възниква, когато изображения се предават по шумни канали, било то през мрежи (напр. интернет) или се съхраняват на шумни носители за съхранение (като твърди дискове).
5. Шум при обработката: Възниква по време на операции за обработка на изображения, като филтриране, компресиране и др.

Шумови модели при обработка на изображения

Моделите на шума при обработката на изображения служат като математически представяния на различните видове шум, които могат да повлияят на изображенията. Тези модели помагат да се разбере появата на различни видове шум чрез симулации, което от своя страна помага за разработването на стратегии за намаляването му.

Някои често срещани модели на шум включват:

1. Гаусов шум: Един от най-често срещаните типове шумови модели, „гаусовият шум“ се характеризира с разпределение на вероятността с форма на камбана. Той симулира произволни вариации, открити в изображенията. Той може да произтича от източници като шум от сензор и квантуване и е подобен на статиката, която често виждате по телевизията или радиосигнала.
2. Erlang шум: Известен също като гама шум, това е друг модел на мултипликативен шум, характеризиращ се с гама разпределение. Обикновено се среща в изображения, заснети с шумни сензори или предадени чрез шумни канали.
3. Равномерен шум: Това е модел на адитивен шум с равномерно разпределение, често наблюдаван в квантувани изображения или такива, повредени от грешки при предаване.

Измерване на шума

При анализа на изображението оценката и оценката на шума е основна задача. Това включва количествено определяне на нивото на шума в изображението. Този процес разчита на две основни техники за измерване на шума:

1. Пиково съотношение сигнал/шум (PSNR): PSNR служи като еталон за оценка на качеството на реконструкцията на изображението. Той сравнява стойностите на пикселите на оригиналното изображение с тези на възпроизведеното изображение, осигурявайки числена мярка за това колко вярно е възпроизведено изображението.
2. Средна квадратна грешка (MSE): MSE, за разлика от тях, оценява разликите между стойностите на пикселите на две изображения. Този метод изчислява средната стойност на квадратите на разликите между съответните пиксели в двете изображения. Този количествен подход ни помага да разберем степента на шума в изображението и неговото въздействие върху качеството.

Общи техники за намаляване на шума

Шумът прави изображенията зърнести и обезцветени, скривайки фините детайли. За да се неутрализира този ефект, техниките за намаляване на шума спомагат за подобряване на качеството на изображението за по-добри резултати в много области като фотография, сигурност, видеоконференции, наблюдение и т.н. Например намаляването на шума е от решаващо значение за точната диагноза и планиране на лечението в медицински изображения.

Техниките за намаляване на шума работят най-добре при условия като слаба светлина, високи ISO настройки, бързи скорости на затвора или когато работите с присъщи шумни камери.

Някои често срещани техники за намаляване на шума включват:

• Средно филтриране: За да елиминира импулсния шум, медианното филтриране замества стойността на пиксела със средните стойности на близките му пиксели.
• Гаусово филтриране: Тази техника замества всеки пиксел в изображение с претеглена средна стойност на пикселите в квартал от пиксели около този пиксел.
• Двустранно филтриране: Тази техника съчетава медианното и филтрирането по Гаус, за да намали шума с непокътнати ръбове.
• Wavelet филтриране: Тази техника използва Фурие трансформация модел за предаване на изображение вълнови коефициенти за намаляване на шума.

Приложения за намаляване на шума

Намаляването на шума има различни приложения в индустрии, като напр възстановяване на изображението намлява увеличаване на изображението, но най-важните са:

• Медицински изображения: Техниките за намаляване на шума подобряват диагностиката на заболяването при MRI и CT сканиране, оптимизирайки резултатите за пациентите.
• Сателитни изображения: Намаляването на шума помага за по-добра идентификация на обекти и характеристики в сателитни изображения.
• Управление на бедствия: Намаляването на шума подобрява изображенията от дистанционно наблюдение за наблюдение и картографиране на околната среда.
• Правоприлагане: Подобрява яснотата в наблюдение кадри и криминалистични изображения за идентифициране на заподозрян и обект.
• Космически изследвания: Намаляването на шума почиства астрономическите изображения, позволявайки откриването на слаби небесни обекти и фини детайли при наблюдения в дълбокия космос.

За да прочетете свързано съдържание, посетете Обединете AI.