Цифровая обработка изображений
Борьба с шумом изображения
Подавление и устранение шума
Шум в бинарных изображениях
Подавление и устранение шума
Reducing Noise in Binary Images
Reducing Noise in Binary Images
Reducing Noise in Binary Images
Reducing Noise in Binary Images
Reducing Noise in Binary Images of Line Drawings
Усреднение (усредняющий фильтр)
Медианный фильтр
Медианный фильтр
Очистка изображения с помощью медианного фильтра
Быстрая реализация медианного фильтра
Как бороться с шумом аппаратуры?
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Устранение шума в полутоновых и цветных изображениях
1.51M
Category: informaticsinformatics

Цифровая обработка изображений. Лекция 3. Фильтрация шумов

1. Цифровая обработка изображений

Лекция 3
Фильтрация шумов

2. Борьба с шумом изображения

• Подавление и устранение шума
– Причины возникновения шума:
• Несовершенство измерительных приборов
• Хранение и передача изображений с потерей данных
Шум фотоаппарата
Сильное сжатие JPEG
Слайд 2

3. Подавление и устранение шума

– Усреднение (box filter)
– Медианный фильтр
– Математическая морфология
– Фильтр Гаусса (gaussian blurring)
– Адаптивные фильтры
– И другие методы
Слайд 3

4. Шум в бинарных изображениях

Пример бинарного изображению с сильным шумом
Слайд 4

5. Подавление и устранение шума

Устранение шума в бинарных изображениях
Бинарное изображение – изображение, пиксели
которого принимают всего два значения (0 и 1).
Широко известный способ - устранение шума с
помощью операций математической морфологии:
Сужение (erosion)
Расширение (dilation)
Закрытие (closing)
Раскрытие (opening)
Слайд 5

6. Reducing Noise in Binary Images

Noise can appear in several forms
- isolated pixels of the opposite value salt-and-pepper noise
(a)
- small holes in objects/small spots on background areas (b)
- distinct lines merging and single lines splitting (a,b)
- contour protrusions and intrusions (c)
Слайд №6

7. Reducing Noise in Binary Images

Logical masks
- simplest form of noise reduction
- tuned by hand to specific situations
- logical tests are performed on the neighbourhood of pixel
aij, the value of aij may be changed as a result
- e.g. change aij if the number of black/white pixels in the 8
pixels surrounding aij (its 8-neighbourhood) is above some
threshold
Слайд №7

8. Reducing Noise in Binary Images

Many (more principled) techniques are based upon the Distance Transform
and/or Mathematical Morphology
Distance transforms estimate the gap between each pixel in one set, e.g. B
(black pixels) and the nearest pixel in another set, e.g. W (white)
The resulting grey level image is known as a distance map
The distance map can be computed for both B and W, W pixels are
usually assigned negative distance values
Any distance measure can be
chosen, Euclidean distance is
ideal but expensive so digital
approximations (e.g. city block)
distance are commonly used
-3
-2
-2
-2
-2
-2
-2
-3
-3
-2
-2
-1
-1
-1
-1
-2
-2
-3
-2
-1
-1
1
1
-1
-1
-2
-2
-2
-1
1
1
1
1
-1
-1
-2
-2
-1
1
2
2
1
1
-1
-2
-2
-1
1
1
2
1
1
-1
-2
-2
-1
-1
1
1
1
-1
-1
-2
-2
-2
-1
-1
1
-1
-1
-2
-2
-3
-2
-2
-1
-1
-1
-2
-2
-3
-3
-3
-2
-2
-2
-2
-2
-3
-3
Слайд №8

9. Reducing Noise in Binary Images

Simultaneous application of DTs to black and white pixels allows
object protrusions and intrusions can be removed at the same time
- compute distance map for both object (+ve) and background (-ve)
- apply (separate) thresholds to the object and background regions
of the distance map: set sub-threshold pixels to 0. This will create a
channel of 0s between +ve and –ve regions
- apply a reverse distance transform, propagating distance
information into the zero channel
Слайд №9

10. Reducing Noise in Binary Images of Line Drawings

Distance Transforms (or morphology) can be used both to smooth
boundaries and remove salt-and-pepper noise (a, b below)
Distance transforms (or morphology) can also remove small holes,
though the amount of smoothing needed to remove the blob and hole
in b (below) may distort other areas of the image
Logical masks can be targeted, avoiding widespread effects (b,c)
Given medium-sized noise regions, logical tests may be applied to a
contour description
Слайд №10

11. Усреднение (усредняющий фильтр)

Операция усреднения значения каждого пикселя –
cвертка по константной функции:
n
m
1
I (i, j ) I (i l )( j k )
4nm
l n k m
Результат применения:
Слайд 11

12. Медианный фильтр

Устранение шума в полутоновых, цветных и бинарных
изображениях с помощью медианного фильтра - выбор
медианы среди значений яркости пикселей в некоторой
окрестности.
Определение медианы:
Ai , i 1,n; - отсортированный набор чисел,
A n / 2 медиана набора.
Медианный фильтр радиусом r – выбор медианы среди
пикселей в окрестности [-r,r].
Слайд 12

13. Медианный фильтр

Результат применения медианного фильтра с радиусом 5 пикселей.
Результат применения медианного фильтра с радиусом в 7 пикселей
к изображению с шумом и артефактами в виде тонких светлых
окружностей.
Слайд 13

14. Очистка изображения с помощью медианного фильтра

Фильтр с окрестностью 3x3
Слайд 14

15. Быстрая реализация медианного фильтра

Медианный фильтр считается дольше, чем операция
свертки, поскольку требует частичной сортировки
массива яркостей окрестных пикселей.
Возможности ускорения:
• Использовать алгоритмы быстрой сортировки
• Конкретная реализация для каждого радиуса (3x3,
5x5)
• Не использовать сортировку вообще – считать
через гистограмму окрестности точки
Слайд 15

16. Как бороться с шумом аппаратуры?

Предположим, камера, которой производится съемка
заметно «шумит». Обычно шум измерительной
аппаратуры моделируется как случайная нормально
распределенная случайная величина с нулевым
средним - Err(i,j) ;
I (i, j ) g r (i, j ) Err (i, j );
1 N
I (i, j ) I k (i, j );
N k 1
E ( I (i, j )) g r (i, j );
Слайд 16

17. Примеры шумоподавления

Зашумленные изображения
Усреднение по 10
изображениям
Слайд 17

18. Примеры шумоподавления

Исходное изображение
Испорченное
изображение
Слайд 18

19. Примеры шумоподавления

Усреднение по 9
пикселям (3x3)
Медианный фильтр
(3x3)
Слайд 19

20. Устранение шума в полутоновых и цветных изображениях

Пример: изображение с равномерным шумом.
I (i, j ) gr (i, j ) Err (i, j )
Err(i,j) – нормально распределенная случайная
величина.
Слайд 20
English     Русский Rules