Qu’est-ce que le bruit dans le traitement d’images ? – Une introduction

Si vous avez déjà vu une image dans laquelle vous remarquez des particules de poussière qui ne font pas partie de l'image réelle, vous voyez probablement du « bruit » dans l'image. Il existe de nombreuses raisons techniques expliquant pourquoi cela se produit. Cela obscurcit souvent l’image réelle et constitue la principale cause de dégradation de la qualité d’image lors de la transmission d’images numériques.

C’est là que le traitement d’image offre une solution robuste. Il fournit un large éventail de techniques de réduction du bruit, telles que le filtrage spatial, le filtrage fréquentiel, le filtrage basé sur la transformation, le filtrage basé sur l'apprentissage profond, etc.

Dans cet article, nous explorerons certaines techniques clés qui peuvent être utilisées pour réduire le bruit dans les images, tout en étudiant les principaux types et causes de bruit dans les images. Allons-y !

Types de bruit dans le traitement d'image

Une simulation des variations de bruit – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Des facteurs allant des conditions environnementales au capteur de la caméra peuvent introduire du bruit dans l'image. Les quatre principaux types de bruit que vous voyez habituellement dans les images sont les suivants :

• Bruit additif : Causé par des variations aléatoires de luminosité ou d’informations de couleur sur l’image. Il s’agit du type de bruit le plus courant observé dans les images.
• Bruit soustractif : Causé par la soustraction aléatoire des valeurs de pixels de l'image d'origine, conduisant à une mauvaise qualité d'image, souvent perçue sous la forme de points ou de régions sombres dans l'image. Le bruit soustractif se produit généralement dans des environnements faiblement éclairés.
• Bruit multiplicatif : Cela se produit lorsque la valeur du bruit est multipliée par la valeur du pixel d'origine, ce qui entraîne souvent une mauvaise qualité d'image autour des parties les plus lumineuses de l'image. Il s’agit du type de bruit le plus difficile à supprimer en raison des variations importantes de la valeur des pixels.
• Bruit impulsif : Causé par des changements soudains dans la valeur des pixels qui sont visibles sous forme de pixels aléatoires en noir et blanc, perçus comme de fortes perturbations dans l'image. On l'appelle également « bruit de sel et de poivre ». Cela résulte de défauts de caméra, d’erreurs de transmission ou de rayons cosmiques.

Causes du bruit dans le traitement des images

Le bruit de l’image peut provenir de diverses sources, notamment :

1. Conditions environnementales: Des facteurs externes tels qu'un mauvais éclairage ou des interférences électroniques à proximité provoquent généralement du bruit dans les images. Ils peuvent ajouter des variations aléatoires aux images.
2. Bruit du capteur : Tout problème avec le capteur utilisé dans les appareils photo et les scanners peut ajouter du bruit dans les images. Par exemple, dans de mauvaises conditions d'éclairage, si vous n'utilisez pas un capteur de bonne qualité, celui-ci peut amplifier le bruit en même temps que la lumière.
3. Bruit de quantification : Se produit lorsque les signaux analogiques sont convertis sous forme numérique, en particulier dans les images à contraste élevé. Par exemple, lorsque vous numérisez une photo, vous verrez souvent du bruit apparaître dans l'image résultante. Il s'agit d'un bruit de quantification provenant de la numérisation d'images.
4. Bruit de transmission : Se produit lorsque les images sont transmises sur des canaux bruyants, que ce soit via des réseaux (par exemple Internet) ou stockées sur des supports de stockage bruyants (comme des disques durs).
5. Bruit de traitement : Se produit lors des opérations de traitement d'image, telles que le filtrage, la compression, etc.

Modèles de bruit dans le traitement d'images

Les modèles de bruit dans le traitement d’images servent de représentations mathématiques des différents types de bruit pouvant affecter les images. Ces modèles aident à comprendre l’apparition de différents types de bruit grâce à des simulations, ce qui permet de développer des stratégies pour le réduire.

Certains modèles de bruit courants incluent :

1. Bruit gaussien : L'un des types de modèles de bruit les plus courants, le « bruit gaussien », est caractérisé par une distribution de probabilité en forme de cloche. Il simule les variations aléatoires trouvées dans les images. Cela peut provenir de sources telles que le bruit des capteurs et de quantification et est similaire à l’électricité statique que vous voyez souvent à la télévision ou sur un signal radio.
2. Bruit d'Erlang : Également connu sous le nom de bruit gamma, il s'agit d'un autre modèle de bruit multiplicatif caractérisé par une distribution gamma. On le trouve généralement dans les images capturées avec des capteurs bruyants ou transmises via des canaux bruyants.
3. Bruit uniforme : Il s'agit d'un modèle de bruit additif à distribution uniforme, souvent observé dans les images quantifiées ou corrompues par des erreurs de transmission.

Mesure du bruit

Dans l’analyse d’images, l’évaluation du bruit est une tâche fondamentale. Il s’agit de quantifier le niveau de bruit dans une image. Ce processus repose sur deux techniques principales de mesure du bruit :

1. Rapport signal/bruit de crête (PSNR) : Le PSNR sert de référence pour évaluer la qualité de la reconstruction des images. Il compare les valeurs des pixels de l'image originale à celles de l'image reproduite, fournissant une mesure numérique de la fidélité avec laquelle l'image est reproduite.
2. Erreur quadratique moyenne (MSE) : MSE, en revanche, évalue les différences entre les valeurs de pixels de deux images. Cette méthode calcule la moyenne des carrés des différences entre les pixels correspondants dans les deux images. Cette approche quantitative nous aide à comprendre l'étendue du bruit dans une image et son impact sur la qualité.

Techniques courantes de réduction du bruit

Le bruit rend les images granuleuses et décolorées, obscurcissant les détails les plus fins. Pour neutraliser cet effet, les techniques de réduction du bruit contribuent à améliorer la qualité de l'image pour de meilleurs résultats dans de nombreux domaines comme la photographie, la sécurité, la vidéoconférence, la surveillance, etc. Par exemple, la réduction du bruit est essentielle pour un diagnostic précis et une planification de traitement en imagerie médicale.

Les techniques de réduction du bruit fonctionnent mieux dans des conditions telles que faible luminosité, réglages ISO élevés, vitesses d'obturation rapides ou lorsqu'il s'agit d'appareils photo intrinsèquement bruyants.

Certaines techniques courantes de réduction du bruit comprennent :

• Filtrage médian : Pour éliminer le bruit impulsionnel, le filtrage médian remplace la valeur du pixel par les valeurs médianes de ses pixels proches.
• Filtrage gaussien : Cette technique remplace chaque pixel d'une image par une moyenne pondérée des pixels dans un voisinage de pixels autour de ce pixel.
• Filtrage bilatéral : Cette technique combine le filtrage médian et gaussien pour réduire le bruit avec des bords intacts.
• Filtrage par ondelettes : Cette technique utilise le Transformée de Fourier modèle pour passer l'image coefficients d'ondelettes pour réduire le bruit.

Applications de la réduction du bruit

La réduction du bruit a diverses applications dans tous les secteurs, telles que restauration d'images ainsi que le mise à l'échelle de l'image, mais les plus importants sont :

• L'imagerie médicale: Les techniques de réduction du bruit améliorent le diagnostic des maladies lors des examens IRM et tomodensitométriques, rationalisant ainsi les résultats pour les patients.
• Imagerie par satellite: La réduction du bruit contribue à une meilleure identification des objets et des caractéristiques dans les images satellite.
• Gestion des catastrophes : la réduction du bruit améliore les images de télédétection pour la surveillance et la cartographie de l'environnement.
• Forces de l'ordre: Il améliore la clarté dans surveillance des séquences et des images médico-légales pour l’identification des suspects et des objets.
• Recherche spatiale : La réduction du bruit nettoie les images astronomiques, permettant la détection d'objets célestes faibles et de détails fins dans les observations de l'espace lointain.

Pour lire du contenu connexe, visitez Unir l'IA.