Vad är brus i bildbehandling? – En introduktion

Om du någon gång har sett en bild där du märker dammpartiklar som inte är en del av den faktiska bilden, ser du troligen “brus” i bilden. Det finns många tekniska skäl till varför detta händer. Det skymmer ofta den faktiska bilden och är den främsta orsaken till försämring av bildkvalitet vid digital bildöverföring.

Här erbjuder bildbehandling en robust lösning. Den tillhandahåller ett brett utbud av brusreduceringstekniker, såsom rumslig filtrering, frekvensfiltrering, omvandlingsbaserad filtrering, djupinlärningsbaserad filtrering osv.

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

Typ 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 huvudsakliga typerna av brus som du vanligtvis ser i bilder är:

• Additivt brus: Orsakat av slumpmässiga variationer i ljusstyrka eller färginformation över hela bilden. Detta är den vanligaste typen av brus som ses i bilder.
• Subtraktivt brus: Orsakat av det slumpmässiga subtraherandet av pixelvärden från den ursprungliga bilden, vilket leder till dålig bildkvalitet, ofta synligt som mörka fläckar eller områden i bilden. Subtraktivt brus uppstår vanligtvis i låglichtsmiljöer.
• Multiplikativt brus: Orsakat när brusvärdet multipliceras med det ursprungliga pixelvärdet, ofta resulterande i dålig bildkvalitet runt de ljusare delarna av bilden. Detta är den svåraste typen av brus att ta bort på grund av betydande variationer i pixelvärden.
• Impulsljud: Orsakat av plötsliga förändringar i pixelvärde som syns som slumpmässiga svarta och vita pixlar som skarpa störningar i bilden. Det kallas också “salt och peppar-brus”. Det orsakas av kameradefekter, överföringsfel eller kosmisk strålning.

Orsaker till brus i bildbehandling

Bildbrus kan uppstå från olika källor, inklusive:

1. Miljöförhållanden: Yttre faktorer som dålig belysning eller närliggande elektromagnetisk störning orsakar vanligtvis brus i bilder. De kan lägga till slumpmässiga variationer i bilder.
2. Sensorns brus: Eventuella problem med sensorn som används i kameror och skannrar kan bidra till brus i bilder. Till exempel, i dåliga ljusförhållanden, om du inte använder en bra kvalitetssensor, kan det förstärka bruset tillsammans med ljuset.
3. Kvantiseringsbrus: Uppstår när analoga signaler omvandlas till digital form, särskilt i högkontrastbilder. Till exempel, när du skannar en fotograf, ser du ofta brus som uppstår i den resulterande bilden. Detta är kvantiseringsbrus som uppstår från bild digitalisering.
4. Överföringsbrus: Uppstår när bilder överförs via bullriga kanaler, antingen via nätverk (t.ex. internet) eller lagras på bullrig lagringsmedia (såsom hårddiskar).
5. Behandlingsbrus: Uppstår under bildbehandlingsoperationer, såsom filtrering, komprimering osv.

Brusmodeller i bildbehandling

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

Några vanliga brusmodeller inkluderar:

1. Gausiskt brus: En av de vanligaste typerna av brusmodeller, “gausiskt brus” kännetecknas av en klockformad sannolikhetsfördelning. Det simulerar slumpmässiga variationer som finns i bilder. Det kan härröra från källor som sensorns brus och kvantiseringsbrus och liknar den statiska du ofta ser på TV eller en radiosignal.
2. Erlang-brus: Känt som gamma-brus, är detta en annan multiplikativ brusmodell som kännetecknas av en gammafördelning. Det är vanligtvis funnet i bilder som tagits med bullriga sensorer eller överförts via bullriga kanaler.
3. Uniformt brus: Detta är en additiv brusmodell med en uniform fördelning, ofta observerad i kvantiserade bilder eller de som förstörts av överföringsfel.

Brusmätning

I bildanalys är brusbedömning och utvärdering en grundläggande uppgift. Det innefattar att kvantifiera nivån av brus i en bild. Denna process bygger på två primära brusmättekniker:

1. Peak Signal-to-Noise Ratio (PSNR): PSNR fungerar som en benchmark för att utvärdera kvaliteten på bildrekonstruktion. Det jämför pixelvärdena i den ursprungliga bilden med de i den återskapade bilden, vilket ger ett numeriskt mått på hur troget bilden återges.
2. Medelvärde av kvadrerad fel (MSE): MSE, å andra sidan, utvärderar skillnaderna mellan pixelvärdena i två bilder. Denna metod beräknar medelvärdet av de kvadrerade skillnaderna mellan motsvarande pixlar i de två bilderna. Denna kvantitativa metod hjälper oss att förstå omfattningen av brus i en bild och dess påverkan på kvalitet.

Vanliga brusreduceringstekniker

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

Brusreduceringsteknikerna fungerar bäst under förhållanden som låg belysning, höga ISO-inställningar, snabba slutartider eller när man har att göra med inbyggt bullriga kameror.

Några vanliga brusreduceringstekniker inkluderar:

• Medianfiltrering: För att eliminera impulsljud, ersätter medianfiltrering pixelvärdet med medianvärdet av de närliggande pixelvärdena.
• Gausisk filtrering: Denna teknik ersätter varje pixel i en bild med ett vägt medelvärde av pixelvärdena i en grannskap av pixlar runt den pixeln.
• Bilateralfiltrering: Denna teknik kombinerar median- och gausisk filtrering för att reducera brus med intakta kanter.
• Wavelet-filtrering: Denna teknik använder Fourier-transform-modellen för att skicka bild wavelet-koefficienter för att reducera brus.

Tillämpningar av brusreducering

Brusreducering har en mängd olika tillämpningar över olika branscher, såsom bildåterställning och bilduppgradering, men de viktigaste är:

• Medicinsk avbildning: Brusreduceringstekniker förbättrar sjukdomsdiagnos i MRI- och CT-skanningar, vilket förbättrar patientresultat.
• Satellitbilder: Brusreducering hjälper till att identifiera objekt och funktioner i satellitbilder.
• Katastrofhantering: Brusreducering förbättrar avlägsna sensorbilder för miljöövervakning och kartläggning.
• Lagföring: Det förbättrar tydligheten i övervakningsbilder och forensiska bilder för identifiering av misstänkta och objekt.
• Rymdforskning: Brusreducering rensar astronomiska bilder, vilket möjliggör upptäckt av svaga himlakroppar och fina detaljer i djuprymdsobservationer.

För att läsa relaterat innehåll, besök Unite AI.