Что такое шум при обработке изображений? – Учебник

Если вы когда-либо видели изображение, на котором замечали частицы пыли, не являющиеся частью реального изображения, вы, вероятно, видите на изображении «шум». Есть много технических причин, почему это происходит. Это часто скрывает фактическое изображение и является основной причиной ухудшения качества изображения при передаче цифрового изображения.

Именно здесь обработка изображений предлагает надежное решение. Он предоставляет широкий спектр методов снижения шума, таких как пространственная фильтрация, частотная фильтрация, фильтрация на основе преобразований, фильтрация на основе глубокого обучения и т. д.

В этой статье мы рассмотрим некоторые ключевые методы, которые можно использовать для уменьшения шума на изображениях, а также исследуем основные типы и причины шума изображения. Давайте погрузимся!

Типы шума при обработке изображений

Моделирование изменений шума – МДФ, CC BY-SA 3.0, через Wikimedia Commons

Факторы, начиная от условий окружающей среды и заканчивая сенсором камеры, могут внести шум в изображение. Четыре основных типа шума, которые вы обычно видите на изображениях, включают:

• Аддитивный шум: Вызывается случайными изменениями яркости или цветовой информации на изображении. Это наиболее распространенный тип шума, наблюдаемый на изображениях.
• Субтрактивный шум: Вызывается случайным вычитанием значений пикселей из исходного изображения, что приводит к плохому качеству изображения, которое часто проявляется в виде темных пятен или областей на изображении. Субтрактивный шум обычно возникает в условиях низкой освещенности.
• Мультипликативный шум: Возникает, когда значение шума умножается на исходное значение пикселя, что часто приводит к ухудшению качества изображения вокруг более ярких частей изображения. Это самый трудный тип шума для удаления из-за значительных изменений значений пикселей.
• Импульсный шум: Вызывается внезапными изменениями значений пикселей, которые выглядят как случайные черно-белые пиксели и воспринимаются как резкие искажения изображения. Его также называют «шумом соли и перца». Это происходит из-за дефектов камеры, ошибок передачи или космических лучей.

Причины шума при обработке изображений

Шум изображения может быть вызван различными источниками, в том числе:

1. Условия окружающей среды: Внешние факторы, такие как плохое освещение или близлежащие электронные помехи, обычно вызывают шум на изображениях. Они могут добавлять случайные вариации изображений.
2. Шум датчика: Любые проблемы с датчиком, используемым в камерах и сканерах, могут привести к увеличению шума на изображениях. Например, в условиях плохого освещения, если вы не используете датчик хорошего качества, он может усилить шум вместе со светом.
3. Шум квантования: Возникает при преобразовании аналоговых сигналов в цифровую форму, особенно в высококонтрастных изображениях. Например, при сканировании фотографии на полученном изображении часто появляется шум. Это шум квантования, возникающий при оцифровке изображения.
4. Шум трансмиссии: Возникает, когда изображения передаются по зашумленным каналам, будь то через сети (например, Интернет) или хранятся на шумных носителях данных (например, жестких дисках).
5. Шум обработки: Возникает во время операций обработки изображений, таких как фильтрация, сжатие и т. д.

Модели шума при обработке изображений

Модели шума при обработке изображений служат математическим представлением различных видов шума, которые могут повлиять на изображения. Эти модели помогают понять возникновение различных видов шума посредством моделирования, что, в свою очередь, помогает разработать стратегии по его снижению.

Некоторые распространенные модели шума включают в себя:

1. Гауссов шум: Один из наиболее распространенных типов моделей шума, «Гауссов шум», характеризуется колоколообразным распределением вероятностей. Он имитирует случайные изменения, обнаруженные в изображениях. Оно может быть вызвано такими источниками, как шум датчика и квантования, и похоже на статический шум, который вы часто видите по телевизору или радиосигналу.
2. Эрланговый шум: Также известный как гамма-шум, это ещё одна модель мультипликативного шума, характеризующаяся гамма-распределением. Он обычно встречается на изображениях, полученных с помощью шумных датчиков или переданных по шумным каналам.
3. Равномерный шум: Это аддитивная модель шума с равномерным распределением, часто наблюдаемая в квантованных изображениях или искаженных ошибками передачи.

Измерение шума

При анализе изображений оценка и оценка шума является фундаментальной задачей. Он включает количественную оценку уровня шума на изображении. Этот процесс основан на двух основных методах измерения шума:

1. Пиковое отношение сигнал/шум (PSNR): PSNR служит эталоном для оценки качества реконструкции изображения. Он сравнивает значения пикселей исходного изображения со значениями пикселей воспроизведенного изображения, предоставляя числовую меру того, насколько точно воспроизводится изображение.
2. Среднеквадратическая ошибка (MSE): MSE, напротив, оценивает разницу между значениями пикселей двух изображений. Этот метод вычисляет среднее значение квадратов разностей между соответствующими пикселями на двух изображениях. Этот количественный подход помогает нам понять степень шума на изображении и его влияние на качество.

Распространенные методы шумоподавления

Шум делает изображение зернистым и обесцвеченным, скрывая мелкие детали. Чтобы нейтрализовать этот эффект, методы шумоподавления помогают улучшить качество изображения для достижения лучших результатов во многих областях, таких как фотография, безопасность, видеоконференции, наблюдение и т. д. Например, снижение шума имеет решающее значение для точной диагностики и планирования лечения в медицинских изображениях.

Методы шумоподавления лучше всего работают в таких условиях, как слабое освещение, высокие настройки ISO, короткая выдержка или при работе с шумными камерами.

Некоторые распространенные методы снижения шума включают в себя:

• Медианная фильтрация: Чтобы устранить импульсный шум, медианная фильтрация заменяет значение пикселя медианными значениями соседних с ним пикселей.
• Гауссова фильтрация: Этот метод заменяет каждый пиксель изображения средневзвешенным значением пикселей в окрестности пикселей вокруг этого пикселя.
• Двусторонняя фильтрация: Этот метод сочетает в себе медианную и гауссовскую фильтрацию для уменьшения шума с сохранением неповрежденных краев.
• Вейвлет-фильтрация: В этой технике используется Преобразование Фурье модель для передачи изображения вейвлет-коэффициенты для уменьшения шума.

Применение шумоподавления

Снижение шума имеет множество применений в различных отраслях, таких как восстановление изображения и масштабирование изображения, но наиболее важные из них:

• Медицинская визуализация: Методы шумоподавления улучшают диагностику заболеваний при МРТ и КТ, оптимизируя результаты лечения пациентов.
• Спутниковые снимки: Снижение шума помогает лучше идентифицировать объекты и особенности на спутниковых изображениях.
• Управление стихийными бедствиями: снижение шума улучшает качество изображений дистанционного зондирования для мониторинга и картирования окружающей среды.
• Правоохранительные органы: Это повышает ясность в наблюдение видеоматериалы и судебно-медицинские изображения для идентификации подозреваемых и объектов.
• Космические исследования: Шумоподавление очищает астрономические изображения, позволяя обнаруживать слабые небесные объекты и мелкие детали при наблюдениях в глубоком космосе.

Чтобы прочитать соответствующий контент, посетите Объединить ИИ.