Vad är brus i bildbehandling? – En Primer

Om du någonsin har sett en bild där du märker dammpartiklar som inte är en del av den faktiska bilden, ser du förmodligen "brus" i bilden. Det finns många tekniska orsaker till varför detta händer. Det skymmer ofta den faktiska bilden och är den främsta orsaken till försämring av bildkvaliteten vid digital bildöverföring.

Det är här bildbehandling erbjuder en robust lösning. Den tillhandahåller ett brett utbud av brusreduceringstekniker, såsom rumslig filtrering, frekvensfiltrering, transformationsbaserad filtrering, djupinlärningsbaserad filtrering, etc.

I den här artikeln kommer vi att utforska några nyckeltekniker som kan användas för att minska brus i bilder, tillsammans med att undersöka de vanligaste typerna och orsakerna till bildbrus. Låt oss dyka in!

Typer av brus i bildbehandling

En simulering av brusvariationer – mdf, CC BY-SA 3.0, via Wikimedia Commons

Faktorer som sträcker sig från miljöförhållanden till kamerans sensor kan införa brus i bilden. De fyra huvudtyperna av brus som du vanligtvis ser i bilder inkluderar:

• Additivt brus: Orsakas av slumpmässiga variationer i ljusstyrka eller färginformation över bilden. Detta är den vanligaste typen av brus som syns i bilder.
• Subtraktivt brus: Orsakas av slumpmässig subtraktion av pixelvärden från originalbilden, vilket leder till dålig bildkvalitet, ofta ses som mörka fläckar eller områden i bilden. Subtraktivt brus uppstår vanligtvis i svagt ljus.
• Multiplikativt brus: Orsakas när brusvärdet multipliceras med det ursprungliga pixelvärdet, vilket ofta resulterar i dålig bildkvalitet runt de ljusare delarna av bilden. Detta är den svåraste typen av brus att ta bort på grund av betydande pixelvärdesvariationer.
• Impulsljud: Orsakas av plötsliga förändringar i pixelvärde som är synliga som slumpmässiga svarta och vita pixlar som ses som skarpa störningar i bilden. Det kallas också "salt- och pepparljud". Det beror på kameradefekter, överföringsfel eller kosmiska strålar.

Orsaker till brus i bildbehandling

Bildbrus kan uppstå från olika källor, inklusive:

1. Miljöförhållanden: Externa faktorer som dålig belysning eller närliggande elektroniska störningar orsakar vanligtvis brus i bilder. De kan lägga till slumpmässiga variationer i bilder.
2. Sensorljud: Eventuella problem med sensorn som används i kameror och skannrar kan lägga till brus i bilder. Till exempel, under dåliga ljusförhållanden, om du inte använder en sensor av god kvalitet, kan den förstärka bruset tillsammans med ljuset.
3. Kvantiseringsbrus: Uppstår när analoga signaler omvandlas till digital form, särskilt i bilder med hög kontrast. När du till exempel skannar ett fotografi ser du ofta brus i den resulterande bilden. Detta är kvantiseringsbrus som uppstår från bilddigitalisering.
4. Överföringsljud: Uppstår när bilder sänds över bullriga kanaler, oavsett om det är via nätverk (t.ex. internet) eller lagrade på bullriga lagringsmedia (som hårddiskar).
5. Bearbetningsbrus: Uppstår under bildbehandlingsoperationer, såsom filtrering, komprimering, etc.

Brusmodeller i bildbehandling

Brusmodeller inom bildbehandling fungerar som matematiska representationer av de olika typer av brus som kan påverka bilder. Dessa modeller hjälper till att förstå förekomsten av olika typer av buller genom simuleringar, vilket i sin tur hjälper till att utveckla strategier för att minska det.

Några vanliga ljudmodeller inkluderar:

1. Gaussiskt brus: En av de vanligaste typerna av brusmodeller, 'Gaussian noise', kännetecknas av en klockformad sannolikhetsfördelning. Den simulerar slumpmässiga variationer som finns i bilder. Det kan härröra från källor som sensor- och kvantiseringsbrus och liknar den statiska du ofta ser på TV eller en radiosignal.
2. Erlang brus: Även känt som gammabrus, är detta en annan multiplikativ brusmodell som kännetecknas av en gammafördelning. Den återfinns vanligtvis i bilder tagna med brusiga sensorer eller överförda via brusiga kanaler.
3. Uniform buller: Detta är en additiv brusmodell med en enhetlig fördelning, ofta observerad i kvantiserade bilder eller de som skadats av överföringsfel.

Bullermätning

Vid bildanalys är brusbedömning och utvärdering en grundläggande uppgift. Det handlar om att kvantifiera brusnivån i en bild. Denna process bygger på två primära bullermätningstekniker:

1. Högsta signal-brusförhållande (PSNR): PSNR fungerar som ett riktmärke för att utvärdera kvaliteten på bildrekonstruktion. Den jämför pixelvärdena för originalbilden med de för den återgivna bilden, vilket ger ett numeriskt mått på hur troget bilden återges.
2. Mean Squared Error (MSE): MSE däremot bedömer skillnaderna mellan pixelvärdena för två bilder. Denna metod beräknar medelvärdet av de kvadratiska skillnaderna mellan motsvarande pixlar i de två bilderna. Detta kvantitativa tillvägagångssätt hjälper oss att förstå omfattningen av brus i en bild och dess inverkan på kvaliteten.

Vanliga brusreduceringstekniker

Brus gör bilder korniga och missfärgade, vilket döljer fina detaljer. För att neutralisera denna effekt hjälper brusreduceringstekniker till att förbättra bildkvaliteten för bättre resultat inom många områden som fotografering, säkerhet, videokonferenser, övervakning, etc. Till exempel är brusreducering avgörande för korrekt diagnos och behandlingsplanering i medicinska bilder.

Brusreduceringsteknikerna fungerar bäst under förhållanden som svagt ljus, höga ISO-inställningar, snabba slutartider, eller när du har att göra med kameror med mycket brus.

Några vanliga brusreduceringstekniker inkluderar:

• Medianfiltrering: För att eliminera impulsbrus ersätter medianfiltrering pixelns värde med medianvärdena för dess närliggande pixlar.
• Gaussisk filtrering: Denna teknik ersätter varje pixel i en bild med ett viktat medelvärde av pixlarna i ett område med pixlar runt den pixeln.
• Bilateral filtrering: Denna teknik kombinerar median- och Gauss-filtreringen för att minska brus med intakta kanter.
• Wavelet-filtrering: Denna teknik använder Fouriertransform modell för att skicka bilden wavelet-koefficienter för att minska buller.

Tillämpningar av brusreducering

Brusreducering har en mängd olika tillämpningar inom branscher, som t.ex bildåterställning och bilduppskalning, men de viktigaste är:

• Medicinsk bildbehandling: Bullerreducerande tekniker förbättrar sjukdomsdiagnostik vid MRT- och CT-skanningar, vilket effektiviserar patientresultaten.
• Satellitbilder: Brusreducering underlättar identifiering av objekt och funktioner i satellitbilder.
• Katastrofhantering: Brusreducering förbättrar fjärranalysbilder för miljöövervakning och kartläggning.
• Rättsväsende: Det ökar klarheten i övervakning filmmaterial och kriminaltekniska bilder för identifiering av misstänkta och föremål.
• Rymdforskning: Brusreducering renar astronomiska bilder, vilket möjliggör detektering av svaga himmelska objekt och fina detaljer i djupa rymdobservationer.

För att läsa relaterat innehåll, besök Förena AI.