Kaj je šum pri obdelavi slike? – Primer

Če ste kdaj videli sliko, na kateri opazite prašne delce, ki niso del dejanske slike, verjetno vidite "šum" na sliki. Obstaja veliko tehničnih razlogov, zakaj se to zgodi. Pogosto zakrije dejansko sliko in je glavni vzrok za poslabšanje kakovosti slike pri prenosu digitalne slike.

Tu je obdelava slik robustna rešitev. Zagotavlja široko paleto tehnik zmanjševanja šuma, kot so prostorsko filtriranje, frekvenčno filtriranje, filtriranje na podlagi transformacije, filtriranje na podlagi globokega učenja itd.

V tem članku bomo raziskali nekaj ključnih tehnik, ki jih je mogoče uporabiti za zmanjšanje šuma na slikah, skupaj z raziskovanjem vodilnih vrst in vzrokov šuma na slikah. Potopimo se!

Vrste šuma pri obdelavi slike

Simulacija variacij hrupa – Mdf, CC BY-SA 3.0, prek Wikimedia Commons

Dejavniki, od okoljskih pogojev do senzorja fotoaparata, lahko v sliko vnesejo šum. Štiri glavne vrste šuma, ki jih običajno vidite na slikah, vključujejo:

• Dodatni hrup: Vzrok so naključne razlike v informacijah o svetlosti ali barvi na sliki. To je najpogostejša vrsta šuma, ki jo vidimo na slikah.
• Subtraktivni šum: Vzrok za naključno odštevanje vrednosti slikovnih pik od izvirne slike, kar vodi do slabe kakovosti slike, pogosto vidne kot temne lise ali območja na sliki. Subtraktivni šum se običajno pojavi pri šibki svetlobi.
• Multiplikativni šum: Nastane, ko se vrednost šuma pomnoži z izvirno vrednostjo slikovnih pik, kar pogosto povzroči slabo kakovost slike okoli svetlejših delov slike. To je vrsta hrupa, ki jo je najtežje odstraniti zaradi velikih razlik v vrednosti slikovnih pik.
• Impulzni šum: Vzrok za nenadne spremembe vrednosti slikovnih pik, ki so vidne kot naključne črno-bele slikovne pike, vidne kot ostre motnje na sliki. Imenuje se tudi "šum soli in popra". Nastane zaradi okvar kamere, napak pri prenosu ali kozmičnih žarkov.

Vzroki šuma pri obdelavi slike

Šum na sliki je lahko posledica različnih virov, vključno z:

1. Okoljske razmere: Zunanji dejavniki, kot je slaba osvetlitev ali bližnje elektronske motnje, pogosto povzročajo šum na slikah. Dodajo lahko naključne različice slik.
2. Hrup senzorja: Morebitne težave s senzorjem, ki se uporablja v kamerah in optičnih bralnikih, lahko povečajo šum na slikah. Na primer, v slabih svetlobnih pogojih, če ne uporabljate senzorja dobre kakovosti, lahko skupaj s svetlobo poveča hrup.
3. Hrup kvantizacije: Pojavi se, ko se analogni signali pretvorijo v digitalno obliko, zlasti pri slikah z visokim kontrastom. Na primer, ko skenirate fotografijo, boste na dobljeni sliki pogosto videli šum. To je kvantizacijski šum, ki se pojavi pri digitalizaciji slike.
4. Hrup prenosa: Pojavi se, ko se slike prenašajo po hrupnih kanalih, bodisi prek omrežij (npr. interneta) ali shranjenih na hrupnih medijih za shranjevanje (kot so trdi diski).
5. Hrup obdelave: Pojavi se med postopki obdelave slike, kot so filtriranje, stiskanje itd.

Modeli šuma pri obdelavi slik

Modeli šuma pri obdelavi slik služijo kot matematične predstavitve različnih vrst šuma, ki lahko vplivajo na slike. Ti modeli pomagajo razumeti pojav različnih vrst hrupa s simulacijami, kar posledično pomaga razviti strategije za njegovo zmanjšanje.

Nekateri pogosti modeli hrupa vključujejo:

1. Gaussov šum: Za enega najpogostejših tipov modelov šuma, 'Gaussov šum', je značilna verjetnostna porazdelitev v obliki zvona. Simulira naključne variacije na slikah. Lahko izvira iz virov, kot sta senzorski in kvantizacijski šum, in je podoben statičnemu zvoku, ki ga pogosto vidite na televiziji ali radijskem signalu.
2. Erlang hrup: Znan tudi kot gama šum, je to še en multiplikativni model hrupa, za katerega je značilna gama porazdelitev. Običajno ga najdemo na slikah, posnetih s šumnimi senzorji ali prenesenih po šumnih kanalih.
3. Enoten hrup: To je aditivni model hrupa z enakomerno porazdelitvijo, ki ga pogosto opazimo v kvantiziranih slikah ali tistih, ki so poškodovane zaradi napak pri prenosu.

Merjenje hrupa

Pri analizi slike je ocena in vrednotenje šuma temeljna naloga. Vključuje kvantificiranje ravni šuma na sliki. Ta postopek temelji na dveh primarnih tehnikah merjenja hrupa:

1. Najvišje razmerje med signalom in šumom (PSNR): PSNR služi kot merilo za ocenjevanje kakovosti rekonstrukcije slike. Primerja vrednosti slikovnih pik izvirne slike z vrednostmi reproducirane slike in zagotavlja številčno merilo, kako zvesto je slika reproducirana.
2. Povprečna kvadratna napaka (MSE): V nasprotju s tem MSE oceni razlike med vrednostmi slikovnih pik dveh slik. Ta metoda izračuna povprečje kvadratov razlik med ustreznimi slikovnimi pikami na obeh slikah. Ta kvantitativni pristop nam pomaga razumeti obseg šuma v sliki in njegov vpliv na kakovost.

Običajne tehnike zmanjševanja hrupa

Šum naredi slike zrnate in razbarvane ter zakrije drobne podrobnosti. Za nevtralizacijo tega učinka tehnike zmanjševanja šuma pomagajo izboljšati kakovost slike za boljše rezultate na številnih področjih, kot so fotografija, varnost, videokonference, nadzor itd. Zmanjšanje šuma je na primer ključnega pomena za natančno diagnozo in načrtovanje zdravljenja v medicinskih slikah.

Tehnike za zmanjševanje šuma najbolje delujejo v pogojih, kot so šibka svetloba, visoke nastavitve ISO, hitre hitrosti zaklopa ali ko imamo opravka s hrupnimi fotoaparati.

Nekatere običajne tehnike za zmanjšanje hrupa vključujejo:

• Mediano filtriranje: Za odpravo impulznega šuma filtriranje mediane nadomesti vrednost slikovne pike s srednjo vrednostjo njenih bližnjih slikovnih pik.
• Gaussovo filtriranje: Ta tehnika nadomesti vsako slikovno piko na sliki s tehtanim povprečjem slikovnih pik v okolici pikslov okoli te piksle.
• Dvostransko filtriranje: Ta tehnika združuje mediano in Gaussovo filtriranje za zmanjšanje šuma z nedotaknjenimi robovi.
• Wavelet Filtriranje: Ta tehnika uporablja Fourierjeva transformacija model za prenos slike valovni koeficienti za zmanjšanje hrupa.

Uporaba zmanjševanja hrupa

Zmanjšanje hrupa ima različne aplikacije v panogah, kot je npr obnova slike in povečanje slike, a najpomembnejši so:

• Medicinsko slikanje: Tehnike za zmanjševanje hrupa izboljšajo diagnozo bolezni pri slikanju MRI in CT ter poenostavijo rezultate bolnikov.
• Satelitski posnetki: Zmanjšanje šuma pomaga pri boljši identifikaciji objektov in značilnosti na satelitskih slikah.
• Obvladovanje nesreč: Zmanjšanje šuma izboljša slike daljinskega zaznavanja za spremljanje okolja in kartiranje.
• Organi pregona: Izboljša jasnost v nadzor posnetki in forenzične slike za identifikacijo osumljenca in predmeta.
• Vesoljske raziskave: Zmanjšanje šuma očisti astronomske slike, kar omogoča zaznavanje šibkih nebesnih objektov in drobnih podrobnosti pri opazovanjih globokega vesolja.

Če želite prebrati sorodno vsebino, obiščite Združite AI.