Як видалити шум Гаусса із зображення, не руйнуючи краї?


15

Який найкращий фільтр для видалення гауссового шуму без руйнування країв? Я використовую стандартні зображення Lena з аддитивним гауссовим шумом і хочу позначати перед застосуванням анізотропної дифузії. Я не хочу робити медіанний фільтр, оскільки краї стають розмитими. Я спробував адаптивну фільтрацію, але результати були незадовільними.


4
Проявіть трохи зусиль, що ви спробували?
0x90

1
Насправді у мене є стандартне зображення lena зіпсованим гауссовим шумом. Я хочу видалити дисковий шум перед застосуванням анізотропної дифузії. Я не хочу йти на серединну фільтрацію, оскільки краї розмиті. Дайте деякий вклад.
Авірал Кумар

2
stackoverflow.com/questions/8619153/… може допомогти вам
0x90

1
Насправді не відповідь, але я знайшов це посилання з різноманітними статтями на цю саму тему - намагаючись видалити шум, не позбавляючись від крайньої інформації.
Спейсі

1
Чи можете ви розмістити якісь зображення та вихід, будь ласка, щоб ми краще зрозуміли, як виглядатиме (не) задовільний результат? Чому б ви не застосували анізотропну дифузію, наприклад, для позначення зображення?
Йонас

Відповіді:


10

Можливо, вам доведеться розглянути більш досконалі методи. Ось два останні статті про збереження крайових позначень:

Наш метод заснований на [стрибковому регресійному аналізі] і складається з трьох основних етапів, викладених нижче. По-перше, крайові пікселі виявляються в усьому просторі дизайну крайовим детектором. По-друге, в сусідстві з даним пікселем кусково-лінійна крива оцінюється з виявлених крайових пікселів простим, але ефективним алгоритмом, щоб наблизити нижній сегмент ребра в цьому районі. Нарешті, спостережувана інтенсивність зображення на тій же стороні оцінюваного реберного сегмента, як і даний піксель, усереднюється за допомогою локальної процедури згладжування лінійного ядра (пор., [35]) для оцінки справжньої інтенсивності зображення для даного пікселя.

( Моделі стрибкової регресії включають розриви, використовуючи ступінчасті функції. Первинний автор має книгу на цю тему .)


2

В якості початкового пункту я використовував би нелінійну техніку усадки з певним перетворенням вейвлетів (хоча вони не характерні для вейвлет-перетворень). Правила усадки концептуально прості, швидкі та прості у виконанні, при цьому даючи чудові результати.

Припущення полягає в тому, що бажаний сигнал може бути представлений у певній області таким чином, що більша частина енергії сконцентрована в невеликій кількості коефіцієнтів. І навпаки, шум все ще поширюється на всі коефіцієнти (що це, ймовірно, для AWGN). Потім можна "зменшити" коефіцієнти - зменшуючи їх значення за деяким нелінійним правилом - таким, що вплив на сигнал невеликий порівняно з впливом на шум.

Хвильові перетворення є хорошим перетворенням, оскільки вони добре стискають енергію на невелику кількість коефіцієнтів. Я особисто рекомендую комплексне вейвлет-перетворення подвійного дерева (DTCWT) для його додаткових властивостей.

2 дуже хороших статті на цю тему - це це і це (обидва від тих самих авторів). Документи є справжнім лікуванням з точки зору їх читабельності та ясності пояснень. (також є приємні фотографії, коли Лена позначається :)

Звичайно, є більш новітні статті, але вони, як правило, не значно покращують кількісні показники в порівнянні з дуже простими методами, описаними в цих роботах.


Ці документи спеціально не стосуються збереження краю; мова йде про родове зображення, що позначає.
Емре

Колодязі добре відрізняються збереженням ребер. Природа природних образів полягає в тому, що більшість яскравої інформації знаходиться в краях, тому обговорення країв як особливого випадку є досить зайвим. Природні зображення визначаються ребрами.
Генрі Гомерсалл

Дискусійно, чи звичайні вейвлети особливо добре зберігають кромки. Ця проблема є однією з мотивів, що стоять за безліччю розширень, включаючи гряди, браслети, кривінки та контури.
Емре

Дійсно, у вейвлетів є свої проблеми, саме тому я запропонував використовувати щось інше, ніж вейвлети ванілі. Хоча можна припустити, що я маю ухил до DTCWT, це не без поважних причин. Обидва ці документи демонструють вражаюче збереження краю. Як це робить цей документ (див. Малюнки 8 та 9 - порівняння із галасливими зображеннями).
Генрі Гомерсалл

1

Хоча кожен виклик з обробки сигналів, ніхто не підходить для вирішення, тут є ідея:

  1. оскільки ви намагаєтесь зберегти краї, дізнайтеся, де вони є на зображенні. Використовуйте канцелярний детектор країв, щоб знайти краї у вашому зображенні.
  2. Розширення / зміщення меж країв ребра, виведених із зображення (можливо, 2-5 пікселів у ширину для кожного краю), дозволяє називати це "маскою"
  3. перевернути маску.
  4. Нанесіть маску на зображення, тобто пустіть лише предмети, які НЕ є ребрами.
  5. застосовувати техніку знежирення
  6. використовуйте оригінальну маску краю, щоб отримати значення пікселів зображення там, де є ребра
  7. Помістіть їх назад у знежирене зображення

Ви також можете застосувати свою техніку знеструмлення до зображення в цілому, а потім просто ввести повторно введені пікселі назад у зображення.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.