Що таке шум у обробці зображень? – Підручник

Якщо ви коли-небудь бачили картинку, де помітили частинки пилу, які не є частиною справжнього зображення, ви, ймовірно, бачите «шум» у зображенні. Є багато технічних причин, чому це відбувається. Це часто затуляє справжнє зображення і є основною причиною погіршення якості зображення при цифровій передачі зображень.

Саме тут обробка зображень пропонує потужне рішення. Вона пропонує широкий спектр методів зниження шуму, таких як просторова фільтрація, частотна фільтрація, фільтрація на основі перетворень, фільтрація на основі глибокого навчання тощо.

У цій статті ми розглянемо деякі ключові методи, які можна використовувати для зниження шуму в зображеннях, а також дослідимо основні типи та причини шуму в зображеннях. Давайте почнемо!

Типи шуму у обробці зображень

Симуляція варіацій шуму – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Фактори, що варіюються від умов навколишнього середовища до сенсора камери, можуть вводити шум у зображення. Чотири основних типи шуму, які ви зазвичай бачите в зображеннях, включають:

• Адитивний шум: Викликаний випадковими варіаціями яскравості або кольорової інформації по всьому зображенню. Це найпоширеніший тип шуму, який бачиться в зображеннях.
• Від’ємний шум: Викликаний випадковим видаленням значень пікселів з оригінального зображення, що призводить до погіршення якості зображення, часто видно як темні плями або області в зображенні. Від’ємний шум зазвичай відбувається в умовах низької освітленості.
• Мультиплікативний шум: Викликаний тоді, коли значення шуму множиться на оригінальне значення пікселя, часто призводячи до погіршення якості зображення навколо яскравих частин зображення. Це найважчий тип шуму для видалення через значні варіації значень пікселів.
• Імпульсний шум: Викликаний раптовими змінами значення пікселя, які видно як випадкові чорні та білі пікселі, що виглядають як різкі порушення в зображенні. Його також називають «соль і перцем» шумом. Це відбувається через дефекти камери, помилки передачі або космічні промені.

Причини шуму у обробці зображень

Шум у зображенні може бути результатом різних джерел, включаючи:

1. Умови навколишнього середовища: Зовнішні фактори, такі як погана освітленість або сусідня електронна інтерференція, часто викликають шум у зображеннях. Вони можуть додати випадкові варіації в зображеннях.
2. Шум сенсора: Будь-які проблеми з сенсором, використовуваним у камерах і сканерах, можуть додати шум у зображення. Наприклад, у умовах низької освітленості, якщо ви не використовуєте високоякісний сенсор, він може посилити шум разом із світлом.
3. Квантовий шум: Викликаний тоді, коли аналогові сигнали перетворюються у цифрову форму, особливо у зображеннях з високим контрастом. Наприклад, коли ви скануєте фотографію, ви часто бачите шум, який з’являється в результаті зображення. Це квантовий шум, який з’являється через цифровізація зображення.
4. Шум передачі: Викликаний тоді, коли зображення передаються через шумні канали, наприклад, через мережі (наприклад, Інтернет) або зберігаються на шумних носіях (наприклад, жорстких дисках).
5. Шум обробки: Викликаний під час операцій обробки зображень, таких як фільтрація, стиснення тощо.

Моделі шуму у обробці зображень

Моделі шуму у обробці зображень служать математичними представленнями різних видів шуму, який може вплинути на зображення. Ці моделі допомагають зрозуміти виникнення різних видів шуму через симуляції, що, в свою чергу, допомагає розробляти стратегії його зниження.

Деякі поширені моделі шуму включають:

1. Гаусівський шум: Один із найпоширеніших типів моделей шуму, «гаусівський шум» характеризується дзвоноподібним розподілом ймовірності. Він симулює випадкові варіації, знайдені в зображеннях. Він може походити від джерел, таких як шум сенсора та квантовий шум, і схожий на статичне, яке ви часто бачите на телебаченні або радіосигналі.
2. Ерланговський шум: також відомий як гамма-шум, це ще одна мультиплікативна модель шуму, характеризована гамма-розподілом. Це зазвичай зустрічається в зображеннях, зроблених із шумними сенсорами або переданих через шумні канали.
3. Уніформний шум: Це адитивна модель шуму з уніформним розподілом, часто спостережувана у квантованих зображеннях або тих, які пошкоджені помилками передачі.

Вимірювання шуму

У аналізі зображень оцінка та оцінка шуму є фундаментальною задачею. Вона включає кількісну оцінку рівня шуму в зображенні. Цей процес залежить від двох основних методів вимірювання шуму:

1. Піковий коефіцієнт сигнал/шум (PSNR): PSNR служить еталоном для оцінки якості реконструкції зображення. Він порівнює значення пікселів оригінального зображення з значеннями реконструйованого зображення, надаючи числову оцінку того, наскільки вірно зображення відтворюється.
2. Середньоквадратична похибка (MSE): MSE, навпаки, оцінює різниці між значеннями пікселів двох зображень. Цей метод обчислює середнє значення квадратичних різниць між відповідними пікселями двох зображень. Цей кількісний підхід допомагає нам зрозуміти ступінь шуму в зображенні та його вплив на якість.

Поширені методи зниження шуму

Шум робить зображення зернистими та забарвленими, затуляючи тонкі деталі. Для нейтралізації цього ефекту методи зниження шуму допомагають покращити якість зображення для кращих результатів у багатьох галузях, таких як фотографія, безпека, відеоконференції, спостереження тощо. Наприклад, зниження шуму є критично важливим для точної діагностики та планування лікування в медичних зображеннях.

Методи зниження шуму працюють найкраще в умовах низької освітленості, високих налаштувань ISO, швидких швидкостей затвора або при роботі з внутрішньо шумними камерами.

Деякі поширені методи зниження шуму включають:

• Медіанна фільтрація: Для видалення імпульсного шуму медіанна фільтрація замінює значення пікселя медіанними значеннями сусідніх пікселів.
• Гаусівська фільтрація: Цей метод замінює кожен піксель у зображенні зваженою середнім значенням пікселів у сусідстві пікселів навколо цього пікселя.
• Білатеральна фільтрація: Цей метод поєднує медіанну та гаусівську фільтрацію для зниження шуму з цілими краями.
• Фільтрація на основі хвильових перетворень: Цей метод використовує модель перетворення Фур’є для передачі коефіцієнтів хвильових перетворень зображення для зниження шуму.

Застосування зниження шуму

Зниження шуму має ряд застосувань у різних галузях, таких як відновлення зображень та масштабування зображень, але найважливішими з них є:

• Медичні зображення: Методи зниження шуму покращують діагностику захворювань у зображеннях МРТ та КТ, оптимізуючи результати лікування пацієнтів.
• Супутникові зображення: Зниження шуму поліпшує ідентифікацію об’єктів та особливостей у супутникових зображеннях.
• Управління надзвичайними ситуаціями: Зниження шуму покращує зображення дистанційного зондування для моніторингу навколишнього середовища та картографування.
• Органи правопорядку: Воно підвищує чіткість у супроводі відеозаписів та судових зображень для ідентифікації підозрюваних та об’єктів.
• Космічні дослідження: Зниження шуму очищує астрономічні зображення, дозволяючи виявляти слабкі небесні об’єкти та тонкі деталі у глибоких космічних спостереженнях.

Для читання пов’язаного контенту відвідайте Unite AI.