Co je to šum v zpracování obrazu? – Úvod

Pokud jste již někdy viděli obraz, kde jste si všimli částic prachu, které nejsou součástí skutečného obrazu, pravděpodobně vidíte „šum“ v obraze. Existuje mnoho technických důvodů, proč k tomu dochází. Často zakrývá skutečný obraz a je hlavní příčinou degradace kvality obrazu při digitální transmisi obrazu.

Tady nabízí zpracování obrazu robustní řešení. Poskytuje širokou škálu technik pro redukci šumu, jako je prostorové filtrování, frekvenční filtrování, transformační filtrování, filtrování založené na hlubokém učení atd.

V tomto článku prozkoumáme některé klíčové techniky, které lze použít k redukci šumu v obrazech, spolu s vyšetřováním hlavních typů a příčin šumu v obrazech. Pojďme se ponořit do toho!

Typy šumu v zpracování obrazu

Simulace variací šumu – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Faktory sahající od podmínek prostředí až po senzor kamery mohou zavést šum do obrazu. Čtyři hlavní typy šumu, které obvykle vidíte v obrazech, zahrnují:

• Aditivní šum: Způsobený náhodnými variacemi jasu nebo barevných informací napříč obrazem. Tento je nejčastějším typem šumu viděným v obrazech.
• Subtraktivní šum: Způsobený náhodným odečtením hodnot pixelů z originálního obrazu, vedoucího k špatné kvalitě obrazu, často viděnému jako tmavé skvrny nebo oblasti v obraze. Subtraktivní šum obvykle nastává v podmínkách s nízkým osvětlením.
• Multiplikativní šum: Způsobený, když je hodnota šumu násobena originální hodnotou pixelu, často vedoucí k špatné kvalitě obrazu kolem jasnějších částí obrazu. Tento je nejobtížnější typ šumu k odstranění kvůli významným variacím hodnot pixelů.
• Impulsní šum: Způsobený náhlými změnami hodnot pixelů, které jsou viditelné jako náhodné černé a bílé pixely viděné jako ostré poruchy v obraze. Je také označován jako „sůl a pepř šum“. Výsledky z vad kamery, chyby přenosu nebo kosmických paprsků.

Příčiny šumu v zpracování obrazu

Šum v obraze může pocházet z různých zdrojů, včetně:

1. Podmínky prostředí: Externí faktory, jako je špatné osvětlení nebo blízká elektronická interference, běžně způsobují šum v obrazech. Mohou přidat náhodné variace do obrazu.
2. Šum senzoru: Jakékoli problémy se senzorem použitým v kamerách a skenerech mohou přidat k šumu v obrazech. Například v podmínkách s nízkým osvětlením, pokud nepoužíváte kvalitní senzor, může to zesílit šum spolu se světlem.
3. Kvantizační šum: Dochází, když jsou analogové signály převedeny do digitální formy, zejména u obrazů s vysokým kontrastem. Například, když skenujete fotografii, často uvidíte šum, který se objeví v výsledném obraze. Tento je kvantizační šum, který se objeví z digitálního zpracování obrazu.
4. Přenosový šum: Dochází, když jsou obrazy přenášeny přes šumové kanály, ať už přes sítě (například internet) nebo uloženy na šumových médiích (jako pevné disky).
5. Zpracovací šum: Dochází během operací zpracování obrazu, jako je filtrování, komprese atd.

Modely šumu v zpracování obrazu

Modely šumu v zpracování obrazu slouží jako matematické reprezentace různých typů šumu, které mohou ovlivnit obrazy. Tyto modely pomáhají pochopit výskyt různých typů šumu prostřednictvím simulací, které naopak pomáhají vyvinout strategie pro jeho redukci.

Některé běžné modely šumu zahrnují:

1. Gaussovský šum: Jedna z nejčastějších typů modelů šumu, „Gaussovský šum“ je charakterizován zvonovitou distribucí pravděpodobnosti. Simuluje náhodné variace nalezené v obrazech. Může pocházet z zdrojů, jako je šum senzoru a kvantizační šum, a je podobný statickému rušení, které často vidíte na TV nebo rádiovém signálu.
2. Erlangův šum: Také známý jako gama šum, je další multiplikativní model šumu charakterizovaný gama distribucí. Obvykle se nachází v obrazech pořízených se šumovými senzory nebo přenesených přes šumové kanály.
3. Uniformní šum: Jedná se o aditivní model šumu s uniformní distribucí, často pozorovaný v kvantizovaných obrazech nebo těch, které jsou poškozeny chybami přenosu.

Měření šumu

V analýze obrazu je hodnocení a vyhodnocení šumu základní úkolem. Zahrnuje kvantifikaci úrovně šumu v obraze. Tento proces závisí na dvou primárních technikách měření šumu:

1. Piková signál-šumový poměr (PSNR): PSNR slouží jako referenční bod pro hodnocení kvality rekonstrukce obrazu. Porovnává hodnoty pixelů originálního obrazu s hodnotami rekonstruovaného obrazu, poskytující numerickou míru, jak věrně je obraz rekonstruován.
2. Průměrná kvadrativní chyba (MSE): MSE, na rozdíl od toho, hodnotí rozdíly mezi hodnotami pixelů dvou obrazů. Tato metoda vypočítává průměr kvadrátových rozdílů mezi odpovídajícími pixely ve dvou obrazech. Tento kvantitativní přístup pomáhá nám pochopit rozsah šumu v obraze a jeho dopad na kvalitu.

Běžné techniky redukce šumu

Šum dělá obrazy zrnitými a barevně nepřesnými, zakrývá jemné detaily. Pro neutralizaci tohoto efektu techniky redukce šumu pomáhají zlepšit kvalitu obrazu pro lepší výsledky v mnoha oblastech, jako je fotografie, bezpečnost, video konference, dohled, atd. Například, redukce šumu je kritická pro přesnou diagnózu a plánování léčby v medicínských obrazech.

Techniky redukce šumu fungují nejlépe za podmínek, jako je nízké osvětlení, vysoké nastavení ISO, rychlé rychlosti závěrky nebo při práci s vrozeně šumovými kamerami.

Některé běžné techniky redukce šumu zahrnují:

• Medianové filtrování: Pro odstranění impulsního šumu, medianové filtrování nahrazuje hodnotu pixelu mediánovými hodnotami okolních pixelů.
• Gaussovské filtrování: Tato technika nahrazuje každý pixel v obraze váženým průměrem pixelů v okolí pixelů kolem něj.
• Bilaterální filtrování: Tato technika kombinuje medianové a Gaussovské filtrování pro redukci šumu s nepoškozenými hranami.
• Waveletové filtrování: Tato technika používá model Fourierovy transformace pro předání koeficientů vlnové transformace obrazu pro redukci šumu.

Aplikace redukce šumu

Redukce šumu má řadu aplikací v různých průmyslových odvětvích, jako je obnovování obrazu a zvětšování obrazu, ale nejvýznamnější jsou:

• Medicínské zobrazování: Techniky redukce šumu zlepšují diagnostiku onemocnění v MRI a CT skenech, zjednodušují výsledky pacientů.
• Satelitní zobrazování: Redukce šumu pomáhá při lepší identifikaci objektů a funkcí v satelitních obrazech.
• Řízení katastrof: Redukce šumu zlepšuje vzdálené snímání obrazů pro monitorování životního prostředí a mapování.
• Právní vyšetřování: Zlepšuje jasnost v dohledových záznamech a forenzních obrazech pro identifikaci podezřelých a objektů.
• Kosmický výzkum: Redukce šumu čistí astronomické obrazy, umožňující detekci slabých vesmírných objektů a jemných detailů v hlubokém vesmíru.

Pro čtení souvisejícího obsahu, navštivte Unite AI.