Che cos’è il rumore nell’elaborazione delle immagini? – Una guida

Se hai mai visto un’immagine in cui noti particelle di polvere che non fanno parte dell’immagine reale, probabilmente stai vedendo il “rumore” nell’immagine. Ci sono molte ragioni tecniche per cui questo accade. Spesso oscura l’immagine reale e rappresenta la principale causa di degrado della qualità dell’immagine nella trasmissione digitale.

È qui che l’elaborazione delle immagini offre una soluzione robusta. Fornisce una vasta gamma di tecniche di riduzione del rumore, come il filtraggio spaziale, il filtraggio di frequenza, il filtraggio basato sulla trasformazione, il filtraggio basato sull’apprendimento automatico, ecc.

In questo articolo, esploreremo alcune tecniche chiave che possono essere utilizzate per ridurre il rumore nelle immagini, insieme all’indagine delle principali tipologie e cause di rumore nell’immagine. Entriamo nel dettaglio!

Tipi di rumore nell’elaborazione delle immagini

Una simulazione di variazioni di rumore – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Fattori che vanno dalle condizioni ambientali al sensore della fotocamera possono introdurre rumore nell’immagine. I quattro principali tipi di rumore che si vedono solitamente nelle immagini includono:

• Rumore additivo: Causato da variazioni casuali di luminosità o informazioni di colore in tutta l’immagine. Questo è il tipo più comune di rumore visto nelle immagini.
• Rumore sottrattivo: Causato dalla sottrazione casuale di valori di pixel dall’immagine originale, portando a una scarsa qualità dell’immagine, spesso visibile come punti o regioni scure nell’immagine. Il rumore sottrattivo si verifica solitamente in condizioni di scarsa luce.
• Rumore moltiplicativo: Causato quando il valore del rumore viene moltiplicato per il valore del pixel originale, spesso risultando in una scarsa qualità dell’immagine intorno alle parti più luminose dell’immagine. Questo è il tipo più difficile di rumore da rimuovere a causa delle significative variazioni dei valori dei pixel.
• Rumore impulsivo: Causato da improvvisi cambiamenti nel valore dei pixel che sono visibili come pixel casuali neri e bianchi visti come disturbi netti nell’immagine. È anche noto come “rumore di sale e pepe”. Risulta da difetti della fotocamera, errori di trasmissione o raggi cosmici.

Cause del rumore nell’elaborazione delle immagini

Il rumore dell’immagine può derivare da varie fonti, tra cui:

1. Condizioni ambientali: Fattori esterni come la scarsa illuminazione o l’interferenza elettronica vicina possono causare rumore nelle immagini. Possono aggiungere variazioni casuali alle immagini.
2. Rumore del sensore: Qualsiasi problema con il sensore utilizzato nelle fotocamere e negli scanner può aggiungere rumore alle immagini. Ad esempio, in condizioni di scarsa luce, se non si utilizza un sensore di buona qualità, può amplificare il rumore insieme alla luce.
3. Rumore di quantizzazione: Si verifica quando i segnali analogici vengono convertiti in forma digitale, in particolare in immagini ad alto contrasto. Ad esempio, quando si scansiona una fotografia, si vedrà spesso il rumore apparire nell’immagine risultante. Questo è il rumore di quantizzazione che appare dalla digitalizzazione dell’immagine.
4. Rumore di trasmissione: Si verifica quando le immagini vengono trasmesse su canali rumorosi, sia attraverso reti (ad esempio Internet) che memorizzate su supporti di archiviazione rumorosi (come dischi rigidi).
5. Rumore di elaborazione: Si verifica durante le operazioni di elaborazione delle immagini, come il filtraggio, la compressione, ecc.

Modelli di rumore nell’elaborazione delle immagini

I modelli di rumore nell’elaborazione delle immagini servono come rappresentazioni matematiche dei diversi tipi di rumore che possono influenzare le immagini. Questi modelli aiutano a comprendere l’insorgenza di diversi tipi di rumore attraverso simulazioni, che a loro volta aiutano a sviluppare strategie per ridurlo.

Alcuni modelli di rumore comuni includono:

1. Rumore gaussiano: Uno dei tipi più comuni di rumore, il “rumore gaussiano” è caratterizzato da una distribuzione di probabilità a forma di campana. Simula variazioni casuali presenti nelle immagini. Può derivare da fonti come il rumore del sensore e il rumore di quantizzazione e è simile al rumore statico che si vede spesso in TV o in un segnale radio.
2. Rumore di Erlang: Nota anche come rumore gamma, questo è un altro modello di rumore moltiplicativo caratterizzato da una distribuzione gamma. Si trova tipicamente in immagini catturate con sensori rumorosi o trasmessi attraverso canali rumorosi.
3. Rumore uniforme: Questo è un modello di rumore additivo con una distribuzione uniforme, spesso osservato in immagini quantizzate o corrotte da errori di trasmissione.

Misurazione del rumore

Nell’analisi delle immagini, la valutazione del rumore è un compito fondamentale. Consiste nel quantificare il livello di rumore in un’immagine. Questo processo si basa su due tecniche principali di misurazione del rumore:

1. Rapporto segnale/rumore di picco (PSNR): Il PSNR serve come punto di riferimento per valutare la qualità della ricostruzione dell’immagine. Confronta i valori dei pixel dell’immagine originale con quelli dell’immagine riprodotta, fornendo una misura numerica di quanto fedelmente l’immagine venga riprodotta.
2. Errore quadratico medio (MSE): L’MSE, invece, valuta le differenze tra i valori dei pixel di due immagini. Questo metodo calcola la media delle differenze quadratiche tra pixel corrispondenti nelle due immagini. Questo approccio quantitativo aiuta a comprendere l’estensione del rumore in un’immagine e il suo impatto sulla qualità.

Tecniche comuni di riduzione del rumore

Il rumore rende le immagini granulose e scolorite, oscurando i dettagli fini. Per neutralizzare questo effetto, le tecniche di riduzione del rumore aiutano a migliorare la qualità dell’immagine per risultati migliori in molti domini come la fotografia, la sicurezza, le videoconferenze, la sorveglianza, ecc. Ad esempio, la riduzione del rumore è critica per una diagnosi e una pianificazione del trattamento accurate nella diagnostica medica.

Le tecniche di riduzione del rumore funzionano meglio in condizioni come la luce bassa, impostazioni ISO elevate, velocità di scatto rapide o quando si lavora con fotocamere intrinsecamente rumorose.

Alcune tecniche comuni di riduzione del rumore includono:

• Filtraggio mediano: Per eliminare il rumore impulsivo, il filtraggio mediano sostituisce il valore del pixel con i valori mediani dei pixel vicini.
• Filtraggio gaussiano: Questa tecnica sostituisce ogni pixel in un’immagine con una media ponderata dei pixel in un intorno di pixel intorno a quel pixel.
• Filtraggio bilaterale: Questa tecnica combina il filtraggio mediano e il filtraggio gaussiano per ridurre il rumore con i bordi intatti.
• Filtraggio wavelet: Questa tecnica utilizza il modello di trasformata di Fourier per passare i coefficienti wavelet dell’immagine e ridurre il rumore.

Applicazioni della riduzione del rumore

La riduzione del rumore ha una varietà di applicazioni in diversi settori, come il ristoro delle immagini e l’ingrandimento delle immagini, ma le più importanti sono:

• Immagini mediche: Le tecniche di riduzione del rumore migliorano la diagnosi delle malattie nella diagnostica medica, come le immagini di risonanza magnetica e le tomografie computerizzate, migliorando i risultati dei pazienti.
• Immagini satellitari: La riduzione del rumore aiuta nell’identificazione di oggetti e caratteristiche nelle immagini satellitari.
• La gestione delle emergenze: la riduzione del rumore migliora le immagini di telerilevamento per il monitoraggio ambientale e la creazione di mappe.
• Forze dell’ordine: Migliora la chiarezza nelle immagini di sorveglianza e nelle immagini forensi per l’identificazione dei sospetti e degli oggetti.
• Ricerca spaziale: La riduzione del rumore pulisce le immagini astronomiche, consentendo la rilevazione di oggetti celesti deboli e dettagli fini nelle osservazioni dello spazio profondo.

Per leggere contenuti correlati, visita Unite AI.