O que é ruído no processamento de imagens? - Um iniciador

Se você já viu uma imagem em que notou partículas de poeira que não fazem parte da imagem real, provavelmente está vendo “ruído” na imagem. Existem muitas razões técnicas para isso acontecer. Muitas vezes obscurece a imagem real e é a principal causa de degradação da qualidade da imagem na transmissão digital de imagens.

É aqui que o processamento de imagens oferece uma solução robusta. Ele fornece uma ampla gama de técnicas de redução de ruído, como filtragem espacial, filtragem de frequência, filtragem baseada em transformação, filtragem baseada em aprendizagem profunda, etc.

Neste artigo, exploraremos algumas técnicas principais que podem ser usadas para reduzir o ruído nas imagens, além de investigar os principais tipos e causas do ruído na imagem. Vamos mergulhar!

Tipos de ruído no processamento de imagens

Uma simulação de variações de ruído – MDF, CC BY-SA 3.0, via Wikimedia Commons

Fatores que vão desde as condições ambientais até o sensor da câmera podem introduzir ruído na imagem. Os quatro principais tipos de ruído que você costuma ver nas imagens incluem:

• Ruído Aditivo: Causado por variações aleatórias no brilho ou nas informações de cor na imagem. Este é o tipo de ruído mais comum visto nas imagens.
• Ruído Subtrativo: Causada pela subtração aleatória de valores de pixel da imagem original, levando a uma qualidade de imagem ruim, geralmente vista como pontos ou regiões escuras na imagem. O ruído subtrativo geralmente ocorre em ambientes com pouca luz.
• Ruído Multiplicativo: Causado quando o valor do ruído é multiplicado pelo valor original do pixel, muitas vezes resultando em baixa qualidade de imagem nas partes mais brilhantes da imagem. Este é o tipo de ruído mais difícil de remover devido às variações significativas no valor dos pixels.
• Ruído de impulso: Causada por mudanças repentinas no valor do pixel que são visíveis como pixels aleatórios em preto e branco, vistos como perturbações nítidas na imagem. Também é conhecido como 'ruído de sal e pimenta'. Resulta de defeitos de câmera, erros de transmissão ou raios cósmicos.

Causas de ruído no processamento de imagens

O ruído da imagem pode resultar de várias fontes, incluindo:

1. Condições ambientais: Fatores externos, como iluminação insuficiente ou interferência eletrônica próxima, geralmente causam ruído nas imagens. Eles podem adicionar variações aleatórias nas imagens.
2. Ruído do sensor: Quaisquer problemas com o sensor usado em câmeras e scanners podem aumentar o ruído nas imagens. Por exemplo, em más condições de iluminação, se você não estiver usando um sensor de boa qualidade, ele poderá amplificar o ruído junto com a luz.
3. Ruído de quantização: Ocorre quando os sinais analógicos são convertidos para o formato digital, principalmente em imagens de alto contraste. Por exemplo, ao digitalizar uma fotografia, você verá frequentemente ruído na imagem resultante. Este é o ruído de quantização que aparece na digitalização da imagem.
4. Ruído de transmissão: Ocorre quando as imagens são transmitidas através de canais ruidosos, seja através de redes (por exemplo, a Internet) ou armazenadas em meios de armazenamento ruidosos (como discos rígidos).
5. Ruído de processamento: Ocorre durante operações de processamento de imagem, como filtragem, compactação, etc.

Modelos de ruído em processamento de imagens

Os modelos de ruído no processamento de imagens servem como representações matemáticas dos diferentes tipos de ruído que podem afetar as imagens. Esses modelos ajudam a compreender a ocorrência de diferentes tipos de ruído por meio de simulações, o que por sua vez ajuda a desenvolver estratégias para reduzi-lo.

Alguns modelos de ruído comuns incluem:

1. Ruído Gaussiano: Um dos tipos mais comuns de modelos de ruído, o 'ruído gaussiano' é caracterizado por uma distribuição de probabilidade em forma de sino. Simula variações aleatórias encontradas nas imagens. Pode resultar de fontes como ruído de sensor e de quantização e é semelhante à estática que você costuma ver na TV ou em um sinal de rádio.
2. Ruído de Erlang: Também conhecido como ruído gama, este é outro modelo de ruído multiplicativo caracterizado por uma distribuição gama. É normalmente encontrado em imagens capturadas com sensores ruidosos ou transmitidas por canais ruidosos.
3. Ruído Uniforme: Este é um modelo de ruído aditivo com distribuição uniforme, frequentemente observado em imagens quantizadas ou corrompidas por erros de transmissão.

Medição de ruído

Na análise de imagens, a avaliação e avaliação do ruído é uma tarefa fundamental. Envolve quantificar o nível de ruído em uma imagem. Este processo depende de duas técnicas primárias de medição de ruído:

1. Relação sinal-ruído de pico (PSNR): PSNR serve como referência para avaliar a qualidade da reconstrução da imagem. Ele compara os valores de pixel da imagem original com os da imagem reproduzida, fornecendo uma medida numérica de quão fielmente a imagem é reproduzida.
2. Erro Quadrático Médio (MSE): O MSE, por outro lado, avalia as diferenças entre os valores de pixel de duas imagens. Este método calcula a média das diferenças quadradas entre os pixels correspondentes nas duas imagens. Esta abordagem quantitativa ajuda-nos a compreender a extensão do ruído numa imagem e o seu impacto na qualidade.

Técnicas comuns de redução de ruído

O ruído torna as imagens granuladas e descoloridas, obscurecendo detalhes finos. Para neutralizar este efeito, as técnicas de redução de ruído ajudam a melhorar a qualidade da imagem para obter melhores resultados em muitos domínios como fotografia, segurança, videoconferência, vigilância, etc. Por exemplo, a redução de ruído é crítica para um diagnóstico preciso e planeamento de tratamento em imagens médicas.

As técnicas de redução de ruído funcionam melhor em condições como pouca luz, configurações ISO altas, velocidades rápidas do obturador ou ao lidar com câmeras inerentemente barulhentas.

Algumas técnicas comuns de redução de ruído incluem:

• Filtragem Mediana: Para eliminar o ruído de impulso, a filtragem mediana substitui o valor do pixel pelos valores medianos dos pixels próximos.
• Filtragem Gaussiana: Essa técnica substitui cada pixel de uma imagem por uma média ponderada dos pixels em uma vizinhança de pixels ao redor desse pixel.
• Filtragem bilateral: Esta técnica combina a filtragem mediana e gaussiana para reduzir o ruído com bordas intactas.
• Filtragem de wavelet: Esta técnica utiliza o Transformada de Fourier modelo para passar imagem coeficientes wavelet para reduzir o ruído.

Aplicações de redução de ruído

A redução de ruído tem uma variedade de aplicações em todos os setores, como restauração de imagem e upscaling de imagem, mas os mais importantes são:

• Imagens médicas: As técnicas de redução de ruído melhoram o diagnóstico de doenças em ressonâncias magnéticas e tomografias computadorizadas, simplificando os resultados dos pacientes.
• Imagem de satélite: A redução de ruído auxilia na melhor identificação de objetos e características em imagens de satélite.
• Gestão de desastres: A redução de ruído melhora as imagens de sensoriamento remoto para monitoramento e mapeamento ambiental.
• Aplicação da lei: Aumenta a clareza em vigilância filmagens e imagens forenses para identificação de suspeitos e objetos.
• Pesquisa Espacial: A redução de ruído limpa imagens astronômicas, permitindo a detecção de objetos celestes fracos e detalhes finos em observações do espaço profundo.

Para ler conteúdo relacionado, visite Unir IA.