Co to jest szum w przetwarzaniu obrazu? – Podstawy

Jeśli kiedykolwiek widzieliście zdjęcie, na którym zauważyliście cząsteczki kurzu, które nie są częścią samego obrazu, prawdopodobnie widzicie “szum” w obrazie. Istnieją many techniczne powody, dla których tak się dzieje. Często szum przesłania sam obraz i jest główną przyczyną degradacji jakości obrazu w cyfrowej transmisji obrazu.

To jest miejsce, w którym przetwarzanie obrazu oferuje solidne rozwiązanie. Zapewnia szeroki zakres technik redukcji szumu, takich jak filtrowanie przestrzenne, filtrowanie częstotliwości, filtrowanie oparte na transformacji, filtrowanie oparte na głębokim uczeniu itp.

W tym artykule będziemy badać niektóre kluczowe techniki, które można wykorzystać do redukcji szumu w obrazach, a także będziemy badać główne typy i przyczyny szumu w obrazach. Zanurzmy się!

Typy szumu w przetwarzaniu obrazu

Symulacja zmian szumu – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Czynniki od warunków środowiskowych do czujnika kamery mogą wprowadzić szum do obrazu. Cztery główne typy szumu, które zwykle widzi się w obrazach, to:

• Szum addytywny: Powodowany przez losowe zmiany w jasności lub informacjach kolorystycznych na całym obrazie. Jest to najczęstszy typ szumu widziany w obrazach.
• Szum subtrakcyjny: Powodowany przez losowe odejmowanie wartości pikseli z oryginalnego obrazu, co prowadzi do złej jakości obrazu, często widzianej jako ciemne plamy lub obszary w obrazie. Szum subtrakcyjny zwykle występuje w warunkach niskiego oświetlenia.
• Szum mnożony: Powodowany, gdy wartość szumu jest mnożona przez oryginalną wartość piksela, często prowadząc do złej jakości obrazu wokół jaśniejszych części obrazu. Jest to najtrudniejszy typ szumu do usunięcia ze względu na znaczne zmiany wartości pikseli.
• Szum impulsowy: Powodowany przez nagłe zmiany wartości piksela, widziane jako losowe czarne i białe piksele, widziane jako ostre zakłócenia w obrazie. Nazywany jest również “szumem soli i pieprzu”. Wynika z wad kamery, błędów transmisji lub promieniowania kosmicznego.

Przyczyny szumu w przetwarzaniu obrazu

Szum w obrazie może wynikać z różnych źródeł, w tym:

1. Warunki środowiskowe: Zewnętrzne czynniki, takie jak złe oświetlenie lub pobliskie zakłócenia elektroniczne, często powodują szum w obrazach. Mogą one dodawać losowe zmiany w obrazach.
2. Szum czujnika: Jakiekolwiek problemy z czujnikiem używanym w kamerach i skanerach mogą powodować szum w obrazach. Na przykład, w warunkach słabego oświetlenia, jeśli nie używa się dobrej jakości czujnika, może to powodować wzrost szumu wraz z oświetleniem.
3. Szum kwantyzacji: Występuje, gdy sygnały analogowe są przekształcane w postać cyfrową, szczególnie w obrazach o wysokim kontraście. Na przykład, gdy skanuje się fotografię, często widzi się szum w wynikowym obrazie. Jest to szum kwantyzacji pojawiający się z cyfryzacji obrazu.
4. Szum transmisyjny: Występuje, gdy obrazy są przesyłane przez kanały szumowe, takie jak sieci (np. internet) lub przechowywane na nośnikach szumowych (takich jak dyski twarde).
5. Szum przetwarzania: Występuje podczas operacji przetwarzania obrazu, takich jak filtrowanie, kompresja itp.

Modele szumu w przetwarzaniu obrazu

Modele szumu w przetwarzaniu obrazu służą jako matematyczne reprezentacje różnych rodzajów szumu, które mogą wpływać na obrazy. Te modele pomagają zrozumieć występowanie różnych rodzajów szumu za pomocą symulacji, co z kolei pomaga opracować strategie redukcji szumu.

Niektóre powszechne modele szumu to:

1. Szum Gaussa: Jeden z najczęstszych typów modeli szumu, “szum Gaussa” charakteryzuje się rozkładem prawdopodobieństwa w kształcie dzwonu. Symuluje losowe zmiany występujące w obrazach. Może pochodzić z źródeł takich jak szum czujnika i szum kwantyzacji, i jest podobny do szumu, jaki często widzi się w telewizji lub sygnale radiowym.
2. Szum Erlanga: Nazywany również szumem gamma, jest to inny model szumu mnożonego, charakteryzujący się rozkładem gamma. Zwykle występuje w obrazach wykonanych z szumowymi czujnikami lub przesyłanych przez szumowe kanały.
3. Szum jednostajny: Jest to model szumu addytywnego z rozkładem jednostajnym, często obserwowanym w obrazach kwantyzowanych lub tych, które zostały naruszone przez błędy transmisji.

Pomiar szumu

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

1. Stosunek sygnału do szumu (PSNR): PSNR służy jako punkt odniesienia do oceny jakości odtworzonego obrazu. Porównuje wartości pikseli oryginalnego obrazu z wartościami odtworzonego obrazu, dostarczając liczbowej miary, jak wiernie obraz jest odtwarzany.
2. Błąd średniokwadratowy (MSE): MSE, z drugiej strony, ocenia różnice między wartościami pikseli dwóch obrazów. Metoda ta oblicza średnią z kwadratów różnic między odpowiednimi pikselami w dwóch obrazach. Ten ilościowy podejście pomaga nam zrozumieć zakres szumu w obrazie i jego wpływ na jakość.

Typowe techniki redukcji szumu

Szum sprawia, że obrazy są ziarniste i nieostre, przesłaniając drobne szczegóły. Aby zneutralizować ten efekt, techniki redukcji szumu pomagają poprawić jakość obrazu dla lepszych wyników w wielu dziedzinach, takich jak fotografia, bezpieczeństwo, wideokonferencje, nadzór itp. Na przykład, redukcja szumu jest kluczowa dla dokładnej diagnozy i planowania leczenia w obrazach medycznych.

Techniki redukcji szumu działają najlepiej w warunkach, takich jak słabe oświetlenie, wysokie ustawienia ISO, szybkie czasy migawki lub w przypadku korzystania z kamer, które same w sobie są szumowe.

Niektóre powszechne techniki redukcji szumu to:

• Filtrowanie medianowe: Aby wyeliminować szum impulsowy, filtrowanie medianowe zastępuje wartość piksela medianowymi wartościami sąsiednich pikseli.
• Filtrowanie Gaussa: Ta technika zastępuje każdy piksel w obrazie ważoną średnią pikseli w sąsiedztwie pikseli.
• Filtrowanie bilateralne: Ta technika łączy filtrowanie medianowe i filtrowanie Gaussa, aby zmniejszyć szum z zachowaniem krawędzi.
• Filtrowanie falkowe: Ta technika wykorzystuje model przekształcenia Fouriera, aby przekazać współczynniki falkowe obrazu do redukcji szumu.

Zastosowania redukcji szumu

Redukcja szumu ma wiele zastosowań w różnych branżach, takich jak przywracanie obrazu i powiększanie obrazu, ale najważniejsze z nich to:

• Obrazy medyczne: Techniki redukcji szumu poprawiają diagnozowanie chorób w badaniach MRI i CT, usprawniając wyniki pacjentów.
• Obrazy satelitarne: Redukcja szumu ułatwia identyfikację obiektów i cech w obrazach satelitarnych.
• Zarządzanie klęskami żywiołowymi: Redukcja szumu poprawia obrazy zdalnego czujnika do monitorowania środowiska i tworzenia map.
• Przestępczość: Poprawia wyraźność w nagraniach wideo nadzoru i obrazach policyjnych do identyfikacji podejrzanych i obiektów.
• Badania kosmiczne: Redukcja szumu oczyszcza obrazy astronomiczne, umożliwiając wykrywanie słabych obiektów niebieskich i drobnych szczegółów w obserwacjach głębokiej przestrzeni.

Aby przeczytać powiązane treści, odwiedź Unite AI.