Wat is Ruis in Beeldverwerking? – Een Inleiding

Als je ooit een foto hebt gezien waarop je stofdeeltjes ziet die geen deel uitmaken van het eigenlijke beeld, zie je waarschijnlijk ‘ruis’ in het beeld. Er zijn veel technische redenen waarom dit gebeurt. Het verduistert vaak het eigenlijke beeld en is de belangrijkste oorzaak van beeldkwaliteitsdegradatie bij digitale beeldoverdracht.

Dit is waar beeldverwerking een robuuste oplossing biedt. Het biedt een breed scala aan ruisreductietechnieken, zoals ruimtelijke filtering, frequentiefiltering, transformatie-gebaseerde filtering, diepe leer-gebaseerde filtering, enz.

In dit artikel zullen we enkele belangrijke technieken onderzoeken die kunnen worden gebruikt om ruis in beelden te reduceren, samen met het onderzoeken van de belangrijkste soorten en oorzaken van beeldruis. Laten we erin duiken!

Soorten Ruis in Beeldverwerking

Een simulatie van ruisvariaties – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Factoren variërend van omgevingsomstandigheden tot de sensor van de camera kunnen ruis in het beeld introduceren. De vier belangrijkste soorten ruis die je meestal in beelden ziet, zijn:

• Additieve Ruis: Veroorzaakt door willekeurige variaties in helderheid of kleurinformatie over het beeld. Dit is het meest voorkomende type ruis in beelden.
• Subtractieve Ruis: Veroorzaakt door de willekeurige subtractie van pixelwaarden uit het oorspronkelijke beeld, leidend tot slechte beeldkwaliteit, vaak zichtbaar als donkere vlekken of gebieden in het beeld. Subtractieve ruis komt meestal voor in omgevingsomstandigheden met weinig licht.
• Multiplicatieve Ruis: Veroorzaakt wanneer de ruiswaarde wordt vermenigvuldigd met de oorspronkelijke pixelwaarde, vaak resulterend in slechte beeldkwaliteit rond de heldere delen van het beeld. Dit is het moeilijkste type ruis om te verwijderen vanwege significante pixelwaardevariaties.
• Impulsruis: Veroorzaakt door plotselinge veranderingen in pixelwaarde die zichtbaar zijn als willekeurige zwarte en witte pixels gezien als scherpe storingen in het beeld. Het wordt ook ‘zout en peper-ruis’ genoemd. Het resulteert uit cameradefecten, transmissiefouten of kosmische straling.

Oorzaken van Ruis in Beeldverwerking

Beeldruis kan het resultaat zijn van verschillende bronnen, waaronder:

1. Omgevingsomstandigheden: Externe factoren zoals slechte verlichting of nabije elektronische storingen veroorzaken vaak ruis in beelden. Ze kunnen willekeurige variaties in beelden toevoegen.
2. Sensorruis: Eventuele problemen met de sensor die in camera’s en scanners wordt gebruikt, kunnen bijdragen aan ruis in beelden. Bijvoorbeeld, in omstandigheden met weinig licht, als je geen goede kwaliteitssensor gebruikt, kan het de ruis verhogen samen met het licht.
3. Quantorisatieruis: Treedt op wanneer analoge signalen worden omgezet in digitale vorm, met name in beelden met hoge contrasten. Bijvoorbeeld, wanneer je een foto scant, zie je vaak ruis verschijnen in het resulterende beeld. Dit is quantorisatieruis dat verschijnt door beelddigitalisatie.
4. Transmissieruis: Treedt op wanneer beelden worden overgedragen via storinggevoelige kanalen, hetzij via netwerken (bijv. het internet) of opgeslagen op storinggevoelige opslagmedia (zoals harde schijven).
5. Verwerkingsruis: Treedt op tijdens beeldverwerkingsoperaties, zoals filtering, compressie, enz.

Ruismodellen in Beeldverwerking

Ruismodellen in beeldverwerking dienen als wiskundige representaties van de verschillende soorten ruis die beelden kunnen beïnvloeden. Deze modellen helpen bij het begrijpen van het optreden van verschillende soorten ruis door middel van simulaties, waardoor strategieën kunnen worden ontwikkeld om deze te reduceren.

Enkele veelvoorkomende ruismodellen zijn:

1. Gausssche Ruis: Een van de meest voorkomende soorten ruismodellen, ‘Gausssche ruis’ wordt gekenmerkt door een klokvormige verdeling. Het simuleert willekeurige variaties die in beelden worden aangetroffen. Het kan voortkomen uit bronnen zoals sensoren en quantorisatieruis en lijkt op de ruis die je vaak op tv of een radiosignaal ziet.
2. Erlang-ruis: Ook bekend als gamma-ruis, is dit een andere multiplicatieve ruismodel gekenmerkt door een gamma-verdeling. Het wordt meestal aangetroffen in beelden die zijn gemaakt met lawaaierige sensoren of via storinggevoelige kanalen worden overgedragen.
3. Uniforme Ruis: Dit is een additief ruismodel met een uniforme verdeling, vaak waargenomen in gequantificeerde beelden of die zijn aangetast door transmissiefouten.

Ruismeting

Bij beeldanalyse is ruisbeoordeling en -evaluatie een fundamentele taak. Het omvat het kwantificeren van het ruisniveau in een beeld. Dit proces is afhankelijk van twee primaire ruismetingstechnieken:

1. Piek Signaal-ruisverhouding (PSNR): PSNR dient als een benchmark voor het evalueren van de kwaliteit van beeldreconstructie. Het vergelijkt de pixelwaarden van het oorspronkelijke beeld met die van het gereproduceerde beeld, waardoor een numerieke maat wordt geboden voor hoe getrouw het beeld wordt gereproduceerd.
2. Gemiddelde Kwadratische Fout (MSE): MSE, daarentegen, beoordeelt de verschillen tussen de pixelwaarden van twee beelden. Deze methode berekent het gemiddelde van de gekwadrateerde verschillen tussen overeenkomstige pixels in de twee beelden. Deze kwantitatieve aanpak helpt ons begrijpen in welke mate ruis een beeld beïnvloedt en de impact ervan op de kwaliteit.

Algemene Ruisreductietechnieken

Ruis maakt beelden korrelig en verkleurt, waardoor fijne details worden verduisterd. Om deze invloed te neutraliseren, helpen ruisreductietechnieken de beeldkwaliteit te verbeteren voor betere resultaten in veel domeinen zoals fotografie, beveiliging, videobellen, bewaking, enz. Bijvoorbeeld, ruisreductie is cruciaal voor een nauwkeurige diagnose en behandelingsplanning in medische beeldvorming.

De ruisreductietechnieken werken het beste onder omstandigheden zoals weinig licht, hoge ISO-instellingen, snelle sluitertijden of wanneer je te maken hebt met inherent lawaaierige camera’s.

Enkele veelvoorkomende ruisreductietechnieken zijn:

• Mediaanfiltering: Om impulsruis te elimineren, vervangt mediaanfiltering de pixelwaarde met de mediaanwaarden van de nabijgelegen pixels.
• Gausssche Filter: Deze techniek vervangt elke pixel in een beeld door een gewogen gemiddelde van de pixels in een buurt van pixels rond die pixel.
• Bilaterale Filter: Deze techniek combineert mediaan- en Gausssche filter om ruis te reduceren met intacte randen.
• Golffilter: Deze techniek gebruikt het Fourier-transformatie model om beeld golffuncties door te geven om ruis te reduceren.

Toepassingen van Ruisreductie

Ruisreductie heeft een verscheidenheid aan toepassingen in verschillende industrieën, zoals beeldherstel en beeldvergroting, maar de belangrijkste zijn:

• Medische beeldvorming: Ruisreductietechnieken verbeteren de ziekte-diagnose in MRI- en CT-scans, waardoor patiëntresultaten worden gestroomlijnd.
• Satellietbeelden: Ruisreductie helpt bij het beter identificeren van objecten en kenmerken in satellietbeelden.
• Rampenbeheer: Ruisreductie verbetert remote sensing-beelden voor milieutoezicht en -kaarten.
• Handhaving van de wet: Het verbetert de duidelijkheid in bewakingsbeelden en forensische beelden voor het identificeren van verdachten en objecten.
• Ruimteonderzoek: Ruisreductie reinigt astronomische beelden, waardoor het mogelijk wordt om zwakke hemellichamen en fijne details in diepe ruimtewaarnemingen te detecteren.

Om gerelateerde inhoud te lezen, bezoek Unite AI.