Co to jest szum w przetwarzaniu obrazu? - Elementarz

Jeśli kiedykolwiek widziałeś zdjęcie, na którym zauważyłeś cząsteczki kurzu, które nie są częścią rzeczywistego obrazu, prawdopodobnie widzisz na nim „szum”. Dzieje się tak z wielu powodów technicznych. Często zasłania rzeczywisty obraz i jest główną przyczyną pogorszenia jakości obrazu w cyfrowej transmisji obrazu.

W tym przypadku przetwarzanie obrazu stanowi solidne rozwiązanie. Zapewnia szeroką gamę technik redukcji szumów, takich jak filtrowanie przestrzenne, filtrowanie częstotliwościowe, filtrowanie oparte na transformacji, filtrowanie oparte na głębokim uczeniu się itp.

W tym artykule omówimy kilka kluczowych technik, które można wykorzystać do redukcji szumów w obrazach, a także zbadamy główne typy i przyczyny szumów obrazu. Zanurzmy się!

Rodzaje szumów w przetwarzaniu obrazu

Symulacja zmian hałasu – MDF, CC BY-SA 3.0, za pośrednictwem Wikimedia Commons

Szumy na obrazie mogą powodować różne czynniki, od warunków środowiskowych po matrycę aparatu. Cztery główne rodzaje szumu, które zwykle można zobaczyć na obrazach, to:

• Dodatek szumu: Spowodowane przypadkowymi zmianami informacji o jasności lub kolorze obrazu. Jest to najczęstszy rodzaj szumu widoczny na obrazach.
• Szum subtraktywny: Spowodowane losowym odjęciem wartości pikseli od oryginalnego obrazu, co prowadzi do niskiej jakości obrazu, często postrzeganej jako ciemne plamy lub obszary na obrazie. Szum subtraktywny zwykle występuje w warunkach słabego oświetlenia.
• Szum multiplikatywny: Dzieje się tak, gdy wartość szumu jest mnożona przez oryginalną wartość piksela, co często skutkuje słabą jakością obrazu wokół jaśniejszych jego części. Jest to najtrudniejszy do usunięcia rodzaj szumu ze względu na znaczne różnice w wartości pikseli.
• Hałas impulsowy: Spowodowane nagłymi zmianami wartości pikseli, które są widoczne jako przypadkowe czarno-białe piksele postrzegane jako ostre zakłócenia obrazu. Nazywa się go również „szumem soli i pieprzu”. Jest to spowodowane defektami aparatu, błędami transmisji czy promieniowaniem kosmicznym.

Przyczyny szumów w przetwarzaniu obrazu

Zakłócenia obrazu mogą mieć różne źródła, m.in.:

1. Warunki środowiska: Czynniki zewnętrzne, takie jak słabe oświetlenie lub pobliskie zakłócenia elektroniczne, często powodują zakłócenia na obrazach. Mogą dodawać losowe odmiany obrazów.
2. Szum czujnika: Wszelkie problemy z czujnikiem stosowanym w aparatach i skanerach mogą powodować powstawanie szumów na obrazach. Na przykład w słabych warunkach oświetleniowych, jeśli nie używasz czujnika dobrej jakości, może on wzmocnić szum wraz ze światłem.
3. Szum kwantyzacji: Występuje, gdy sygnały analogowe są konwertowane na postać cyfrową, szczególnie w przypadku obrazów o wysokim kontraście. Na przykład podczas skanowania fotografii na wynikowym obrazie często widać szum. Jest to szum kwantyzacji powstający w wyniku digitalizacji obrazu.
4. Hałas transmisji: Występuje, gdy obrazy są przesyłane zaszumionymi kanałami, czy to przez sieci (np. Internet), czy też są przechowywane na zakłóconych nośnikach danych (takich jak dyski twarde).
5. Przetwarzanie hałasu: Występuje podczas operacji przetwarzania obrazu, takich jak filtrowanie, kompresja itp.

Modele szumu w przetwarzaniu obrazu

Modele szumu w przetwarzaniu obrazu służą jako matematyczna reprezentacja różnych rodzajów szumu, który może wpływać na obrazy. Modele te pomagają zrozumieć występowanie różnych rodzajów hałasu poprzez symulacje, co z kolei pomaga opracować strategie jego redukcji.

Niektóre popularne modele hałasu obejmują:

1. Szum Gaussa: Jeden z najpowszechniejszych typów modeli szumu, „szum Gaussa”, charakteryzuje się rozkładem prawdopodobieństwa w kształcie dzwonu. Symuluje losowe zmiany znalezione w obrazach. Może pochodzić ze źródeł takich jak szum czujnika i kwantyzacji i jest podobny do zakłóceń często spotykanych w sygnale telewizyjnym lub radiowym.
2. Hałas Erlanga: Jest to kolejny multiplikatywny model szumu, znany również jako szum gamma, charakteryzujący się rozkładem gamma. Zwykle występuje na obrazach zarejestrowanych za pomocą zakłócających czujników lub przesyłanych zaszumionymi kanałami.
3. Jednolity hałas: Jest to addytywny model szumu o równomiernym rozkładzie, często obserwowany w obrazach skwantowanych lub zniekształconych przez błędy transmisji.

Pomiar hałasu

W analizie obrazu ocena i ocena hałasu jest zadaniem podstawowym. Polega na ilościowym określeniu poziomu szumu w obrazie. Proces ten opiera się na dwóch podstawowych technikach pomiaru hałasu:

1. Szczytowy stosunek sygnału do szumu (PSNR): PSNR służy jako punkt odniesienia do oceny jakości rekonstrukcji obrazu. Porównuje wartości pikseli oryginalnego obrazu z wartościami odtworzonego obrazu, zapewniając numeryczną miarę wierności obrazu.
2. Średni błąd kwadratowy (MSE): Natomiast MSE ocenia różnice między wartościami pikseli dwóch obrazów. Ta metoda oblicza średnią kwadratów różnic między odpowiednimi pikselami na dwóch obrazach. To podejście ilościowe pomaga nam zrozumieć zakres szumu w obrazie i jego wpływ na jakość.

Typowe techniki redukcji hałasu

Szum powoduje, że obrazy są ziarniste i odbarwione, zasłaniając drobne szczegóły. Aby zneutralizować ten efekt, techniki redukcji szumów pomagają poprawić jakość obrazu i uzyskać lepsze wyniki w wielu dziedzinach, takich jak fotografia, bezpieczeństwo, wideokonferencje, nadzór itp. Na przykład redukcja szumów ma kluczowe znaczenie dla dokładnej diagnozy i planowania leczenia w obrazach medycznych.

Techniki redukcji szumów sprawdzają się najlepiej w takich warunkach, jak słabe oświetlenie, wysokie ustawienia ISO, krótkie czasy otwarcia migawki lub w przypadku naturalnie hałaśliwych aparatów.

Niektóre popularne techniki redukcji hałasu obejmują:

• Filtrowanie mediany: Aby wyeliminować szum impulsowy, filtrowanie medianowe zastępuje wartość piksela medianą wartości sąsiednich pikseli.
• Filtrowanie Gaussa: Ta technika zastępuje każdy piksel obrazu średnią ważoną pikseli w sąsiedztwie pikseli wokół tego piksela.
• Filtrowanie dwustronne: Technika ta łączy filtrację medianową i gaussowską, aby zredukować szum przy nienaruszonych krawędziach.
• Filtrowanie falkowe: W tej technice wykorzystuje się Przekształcenie Fouriera model do przekazania obrazu współczynniki falkowe w celu zmniejszenia hałasu.

Zastosowania redukcji szumów

Redukcja hałasu ma różnorodne zastosowania w różnych gałęziach przemysłu, np przywracanie obrazu i skalowanie obrazu, ale najważniejsze to:

• Obrazowanie medyczne: Techniki redukcji szumów usprawniają diagnostykę chorób w skanach MRI i CT, poprawiając wyniki leczenia pacjentów.
• Zdjęcia satelitarne: Redukcja szumów pomaga w lepszej identyfikacji obiektów i obiektów na zdjęciach satelitarnych.
• Zarządzanie katastrofami: Redukcja szumów poprawia jakość obrazów teledetekcyjnych na potrzeby monitorowania i mapowania środowiska.
• Egzekwowanie prawa: Zwiększa przejrzystość inwigilacja nagrania filmowe i obrazy kryminalistyczne w celu identyfikacji podejrzanych i przedmiotów.
• Badanie przestrzeni kosmicznej: Redukcja szumów oczyszcza obrazy astronomiczne, umożliwiając wykrywanie słabych ciał niebieskich i drobnych szczegółów podczas obserwacji głębokiego kosmosu.

Aby przeczytać powiązane treści, odwiedź stronę Zjednocz sztuczną inteligencję.