Vad är brus i bildbehandling? – En introduktion

Om du någon gång har sett en bild där du lägger märke till dammpartiklar som inte är en del av den faktiska bilden, ser du förmodligen ‘brus’ i bilden. Det finns många tekniska skäl till varför detta händer. Det döljer 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 etc.

I den här artikeln kommer vi att utforska några nyckeltekniker som kan användas för att reducera brus i bilder, tillsammans med att undersöka de ledande 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 huvudsakliga typerna av brus som du vanligtvis ser i bilder inkluderar:

• 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 förekommer vanligtvis i låg ljusnivå.
• 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 pixelvärdesvariationer.
• Impulsljud: Orsakat av plötsliga förändringar i pixelvärde som är synliga som slumpmässiga svarta och vita pixlar som ses som skarpa störningar i bilden. Det kallas också för ‘salt och peppar-brus’. Det resulterar från kameradefekter, överföringsfel eller kosmisk strålning.

Orsaker till brus i bildbehandling

Bildbrus kan resultera från olika källor, inklusive:

1. Miljöförhållanden: Yttre faktorer som dålig belysning eller närliggande elektronisk störning orsakar vanligtvis brus i bilder. De kan lägga till slumpmässiga variationer i bilder.
2. Sensornos: 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 bilder med hög kontrast. Till exempel, när du skannar en fotograf, ser du ofta brus som uppkommer i den resulterande bilden. Detta är kvantiseringsbrus som uppkommer från bild digitalisering.
4. Överföringsbrus: Uppstår när bilder överförs via bullriga kanaler, antingen via nätverk (t.ex. internet) eller lagras på bullrig lagringsmedia (som hårddiskar).
5. Processningsbrus: Uppstår under bildbehandlingsoperationer, såsom filtrering, komprimering etc.

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 förekomsten 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 sensornos och kvantiseringsbrus och liknar den statiska du ofta ser på TV eller en radiosignal.
2. Erlang-brus: Känd som gamma-brus, är detta en annan multiplikativ brusmodell som kännetecknas av en gammafördelning. Det förekommer vanligtvis i bilder som tagits med bullriga sensorer eller överförts via bullriga kanaler.
3. Uniformt brus: Detta är ett additivt brusmodell med en uniform fördelning, ofta observerat 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 förlitar sig på två primära brusmätningsmetoder:

1. Peak Signal-to-Noise Ratio (PSNR): PSNR fungerar som en benchmark för att utvärdera bildrekonstruktionens kvalitet. Det jämför pixelvärdena i den ursprungliga bilden med de i den återgivna 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 inverkan på kvalitet.

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 i många områden som fotografi, säkerhet, videokonferenser, övervakning etc. Till exempel är brusreducering avgörande för korrekt diagnos och behandlingsplanering i medicinska bilder.

Brusreduceringsteknikerna fungerar bäst under förhållanden som låg ljus, höga ISO-inställningar, snabba slutartider eller när man hanterar 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.
• Vågformfiltrering: Denna teknik använder Fourier-transform modellen för att passa bild vågformkoefficienter för att reducera brus.

Tillämpningar av brusreducering

Brusreducering har en mängd 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.
• Satellitavbildning: Brusreducering underlättar identifiering av objekt och funktioner i satellitbilder.
• Katastrofhantering: Brusreducering förbättrar avbildningar från satelliter för miljöövervakning och kartläggning.
• Polisverksamhet: 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.