Was ist Rauschen in der Bildverarbeitung? – Eine Einführung

Wenn Sie jemals ein Bild gesehen haben, auf dem Sie Staubpartikel bemerken, die nicht Teil des eigentlichen Bildes sind, sehen Sie wahrscheinlich „Rauschen“ im Bild. Dafür gibt es viele technische Gründe. Es verdeckt oft das eigentliche Bild und ist die häufigste Ursache für eine Verschlechterung der Bildqualität bei der digitalen Bildübertragung.

Hier bietet die Bildverarbeitung eine robuste Lösung. Es bietet eine breite Palette von Rauschunterdrückungstechniken, wie z. B. räumliche Filterung, Frequenzfilterung, transformationsbasierte Filterung, Deep-Learning-basierte Filterung usw.

In diesem Artikel untersuchen wir einige wichtige Techniken, die zur Reduzierung von Bildrauschen eingesetzt werden können, und untersuchen die häufigsten Arten und Ursachen von Bildrauschen. Lass uns eintauchen!

Arten von Rauschen in der Bildverarbeitung

Eine Simulation von Geräuschschwankungen – Mdf, CC BY-SA 3.0, über Wikimedia Commons

Faktoren, die von den Umgebungsbedingungen bis zum Sensor der Kamera reichen, können zu Bildrauschen führen. Zu den vier Hauptarten von Rauschen, die Sie normalerweise in Bildern sehen, gehören:

• Additiver Lärm: Verursacht durch zufällige Schwankungen der Helligkeit oder Farbinformationen im Bild. Dies ist die häufigste Art von Bildrauschen.
• Subtraktives Rauschen: Verursacht durch die zufällige Subtraktion von Pixelwerten vom Originalbild, was zu einer schlechten Bildqualität führt und oft als dunkle Flecken oder Bereiche im Bild sichtbar ist. Subtraktives Rauschen tritt normalerweise bei schlechten Lichtverhältnissen auf.
• Multiplikatives Rauschen: Wird verursacht, wenn der Rauschwert mit dem ursprünglichen Pixelwert multipliziert wird, was häufig zu einer schlechten Bildqualität in den helleren Teilen des Bildes führt. Dies ist aufgrund erheblicher Pixelwertschwankungen die am schwierigsten zu entfernende Art von Rauschen.
• Impulsgeräusch: Verursacht durch plötzliche Änderungen des Pixelwerts, die als zufällige schwarze und weiße Pixel sichtbar sind und als scharfe Störungen im Bild wahrgenommen werden. Es wird auch als „Salz- und Pfeffergeräusch“ bezeichnet. Die Ursache hierfür sind Kameradefekte, Übertragungsfehler oder kosmische Strahlung.

Ursachen für Rauschen in der Bildverarbeitung

Bildrauschen kann verschiedene Ursachen haben, darunter:

1. Umweltbedingungen: Äußere Faktoren wie schlechte Beleuchtung oder elektronische Störungen in der Nähe verursachen häufig Bildrauschen. Sie können zufällige Variationen in Bildern hinzufügen.
2. Sensorrauschen: Jegliche Probleme mit dem in Kameras und Scannern verwendeten Sensor können zu Bildrauschen führen. Wenn Sie beispielsweise bei schlechten Lichtverhältnissen keinen qualitativ hochwertigen Sensor verwenden, kann dieser zusammen mit dem Licht das Rauschen verstärken.
3. Quantisierungsrauschen: Tritt auf, wenn analoge Signale in digitale Form umgewandelt werden, insbesondere bei kontrastreichen Bildern. Wenn Sie beispielsweise ein Foto scannen, werden Sie häufig feststellen, dass im resultierenden Bild Rauschen auftritt. Hierbei handelt es sich um Quantisierungsrauschen, das bei der Bilddigitalisierung auftritt.
4. Übertragungsgeräusch: Tritt auf, wenn Bilder über verrauschte Kanäle übertragen werden, sei es über Netzwerke (z. B. das Internet) oder auf verrauschten Speichermedien (z. B. Festplatten) gespeichert werden.
5. Verarbeitungsgeräusche: Tritt bei Bildverarbeitungsvorgängen wie Filterung, Komprimierung usw. auf.

Rauschmodelle in der Bildverarbeitung

Rauschmodelle in der Bildverarbeitung dienen als mathematische Darstellung der verschiedenen Arten von Rauschen, die sich auf Bilder auswirken können. Diese Modelle helfen durch Simulationen, das Auftreten verschiedener Arten von Lärm zu verstehen, was wiederum bei der Entwicklung von Strategien zu deren Reduzierung hilft.

Zu den gängigen Geräuschmodellen gehören:

1. Gaußsches Rauschen: Eine der gebräuchlichsten Arten von Rauschmodellen, „Gaußsches Rauschen“, zeichnet sich durch eine glockenförmige Wahrscheinlichkeitsverteilung aus. Es simuliert zufällige Variationen in Bildern. Es kann von Quellen wie Sensor- und Quantisierungsrauschen herrühren und ähnelt dem Rauschen, das Sie häufig im Fernsehen oder bei einem Radiosignal sehen.
2. Erlang-Rauschen: Auch als Gamma-Rauschen bekannt, handelt es sich hierbei um ein weiteres multiplikatives Rauschmodell, das durch eine Gamma-Verteilung gekennzeichnet ist. Es tritt typischerweise in Bildern auf, die mit verrauschten Sensoren aufgenommen oder über verrauschte Kanäle übertragen wurden.
3. Gleichmäßiges Geräusch: Dabei handelt es sich um ein additives Rauschmodell mit gleichmäßiger Verteilung, das häufig bei quantisierten oder durch Übertragungsfehler verfälschten Bildern beobachtet wird.

Geräuschmessung

In der Bildanalyse ist die Geräuschbeurteilung und -bewertung eine grundlegende Aufgabe. Dabei wird der Rauschpegel in einem Bild quantifiziert. Dieser Prozess basiert auf zwei primären Geräuschmesstechniken:

1. Spitzen-Signal-Rausch-Verhältnis (PSNR): PSNR dient als Maßstab für die Bewertung der Qualität der Bildrekonstruktion. Es vergleicht die Pixelwerte des Originalbilds mit denen des reproduzierten Bilds und liefert so ein numerisches Maß dafür, wie originalgetreu das Bild reproduziert wird.
2. Mittlerer quadratischer Fehler (MSE): Im Gegensatz dazu bewertet MSE die Unterschiede zwischen den Pixelwerten zweier Bilder. Diese Methode berechnet den Durchschnitt der quadrierten Differenzen zwischen entsprechenden Pixeln in den beiden Bildern. Dieser quantitative Ansatz hilft uns, das Ausmaß des Rauschens in einem Bild und seine Auswirkungen auf die Qualität zu verstehen.

Gängige Techniken zur Lärmreduzierung

Durch Rauschen werden Bilder körnig und verfärbt, wodurch feine Details verdeckt werden. Um diesen Effekt zu neutralisieren, tragen Rauschunterdrückungstechniken dazu bei, die Bildqualität zu verbessern und bessere Ergebnisse in vielen Bereichen wie Fotografie, Sicherheit, Videokonferenzen, Überwachung usw. zu erzielen. Beispielsweise ist die Rauschunterdrückung für eine genaue Diagnose und Behandlungsplanung in medizinischen Bildern von entscheidender Bedeutung.

Die Techniken zur Rauschunterdrückung funktionieren am besten unter Bedingungen wie schlechten Lichtverhältnissen, hohen ISO-Einstellungen, kurzen Verschlusszeiten oder bei der Arbeit mit inhärent rauschenden Kameras.

Zu den gängigen Techniken zur Lärmreduzierung gehören:

• Medianfilterung: Um Impulsrauschen zu eliminieren, ersetzt die Medianfilterung den Wert des Pixels durch die Medianwerte der benachbarten Pixel.
• Gaußsche Filterung: Bei dieser Technik wird jedes Pixel in einem Bild durch einen gewichteten Durchschnitt der Pixel in einer Pixelumgebung um dieses Pixel ersetzt.
• Bilaterale Filterung: Diese Technik kombiniert die Median- und Gaußsche Filterung, um Rauschen bei intakten Kanten zu reduzieren.
• Wavelet-Filterung: Diese Technik nutzt die Fourier-Transformation Modell zum Übergeben des Bildes Wavelet-Koeffizienten Lärm zu reduzieren.

Anwendungen der Rauschunterdrückung

Die Lärmreduzierung hat branchenübergreifend vielfältige Anwendungsmöglichkeiten, z Bildwiederherstellung sowie Bild-Upscaling, aber die wichtigsten sind:

• Medizinische Bildgebung: Techniken zur Rauschunterdrückung verbessern die Krankheitsdiagnose bei MRT- und CT-Scans und optimieren die Patientenergebnisse.
• Satellitenbilder: Die Rauschunterdrückung trägt zu einer besseren Identifizierung von Objekten und Merkmalen in Satellitenbildern bei.
• Katastrophenmanagement: Rauschunterdrückung verbessert Fernerkundungsbilder für die Umweltüberwachung und -kartierung.
• Strafverfolgung: Es erhöht die Klarheit Überwachung Filmmaterial und forensische Bilder zur Identifizierung von Verdächtigen und Objekten.
• Weltraumforschung: Die Rauschunterdrückung reinigt astronomische Bilder und ermöglicht die Erkennung schwacher Himmelsobjekte und feiner Details bei Beobachtungen im Weltraum.

Um verwandte Inhalte zu lesen, besuchen Sie KI vereinen.