Metody rekonstrukce obrazu a odstranění šumu z obrazu Jan Švihlík
[email protected] +420 224 352 113
České vysoké učení technické v Praze Fakulta elektrotechnická Katedra radioelektroniky
Obsah ¾
Konvoluce - Definice, vlastnosti, konvoluční teorém, implementace
¾
Modely šumů - Aditivní, multiplikativní, transformace modelů
¾
Druhy šumů v obraze - Gaussovský, Heavy-tailed, sůl a pepř, kvantizační, Poissonovský
¾
Potlačení aditivního šumu - Konvoluční filtrace, maska ve spektru, mediánová filtrace
¾
Potlačení signálově závislého šumu - Homomorfní filtr, Anscombova transformace
¾
Rekonstrukce obrazu - Inverzní filtr, Wienerův filtr
X37OBF
Jan Švihlík (
[email protected])
Konvoluce Definice – 1D konvoluční integrál f (t ) ∗ g (t ) =
∞
∫ f (τ ) g ( t − τ )
−∞
Definice – 2D konvoluční integrál f ( x, y ) ∗ g ( x, y ) =
∫ f (α , β ) g ( x − α , y − β ) dα d β ×
Vlastnosti konvoluce - komutativnost
f ∗g = g∗ f c1 f ∗ c2 g = c1c2 ( f ∗ g ) f ∗ ( g1 + g2 ) = f ∗ g1 + f ∗ g 2 f1 ∗ [ f 2 ∗ f3 ] = [ f1 ∗ f 2 ] ∗ f32 37ZOF
- Násobení konst. - Distributivnost vůči sčítání - asociativnost
Jan Švihlík (
[email protected])
Konvoluce Konvoluční teorém ¾
Konvoluci předmětů odpovídá součin jejich spekter a součinu předmětů odpovídá konvoluce konvoluce spekter. F ( u, v ) = FT { f ( x, y )}
G ( u, v ) = FT { g ( x, y )} f ( x, y ) ∗ g ( x, y ) ∼ F ( u, v ) ⋅ G ( u, v ) f ( x, y ) ⋅ g ( x, y ) ∼ F ( u, v ) ∗ G ( u, v ) ¾
Běžná filtrace lze díky konvolučnímu teorému převést na násobení spekter filtrovaného signálu a impulsové odezvy filtru.
X37OBF
Jan Švihlík (
[email protected])
Konvoluce Diskrétní konvoluce Mr Nr
c ( i, j ) = ∑∑ r ( m, n ) ⋅ h ( i − m, j − n ), m =0 n =0
0 ≤ i < Mr + Mh − 1,0 ≤ j < Nr + Nh − 1, ¾
r a m představují konvolvované matice, Mr a Nr jsou rozměry matice r, Mh a Nh jsou rozměry matice h.
Implementace diskrétní konvoluce ¾
Posun konvolučního jádra přes obrazovou matici, počítání součtů součinů mezi koeficienty konv. jádra a obrazovou maticí. Nutnost ošetřit okraje matice – nuly, ozrcadlení pův. signálu apod. Jádro
X37OBF
Jan Švihlík (
[email protected])
Obrazová matice
Základní metody pro potlačení šumu v obraze
X37OBF
Jan Švihlík (
[email protected])
Modely šumu Model aditivního šum
y = x+n
Model multiplikativního šum y = x⋅n
Transformace modelů e y = e x + n = e x ⋅ en log ( y ) = log ( x ⋅ n ) = log ( x ) + log ( n )
X37OBF
Jan Švihlík (
[email protected])
Druhy šumů v obraze se vyskytující Gaussovský šum ¾
Hustota pravděpodobnosti Gaussovského šumu se střední hodnotou µ a rozptylem σ2 je dána
¾
2
1 2 e 2σ , x ∈ ( −∞, ∞ ) σ 2π Gaussovský model lze použít zejména na limitní případy některých obrazových šumů, kupř. Poissonovský šum. pn ( x ) =
¾
−( x − µ )
Testovací obrázek Brada kontaminovaný Gaussovským aditivním šumem se σ = 20.
X37OBF
Jan Švihlík (
[email protected])
Druhy šumů v obraze se vyskytující Heavy-tailed šum ¾
Hustota pravděpodobnosti (tzv. dvojitá exponenciála) Heavy-tailed šumu se střední hodnotou µ a rozptylem σ2 je dána 1 pn ( x ) = e 2σ
¾
¾
− x−µ
σ
,
x ∈ ( −∞, ∞ )
Tento druh šumu vzniká zejména v případě nedokonalého splnění centrálního limitního teorému (kupř. náhodné proměnné přispívající ke generaci Gaussovské náhodné proměnné nejsou zcela nezávislé). Porovnání hp Gaussovské a heavy-tailed. Z obr. je zřejmé, že Gaussovská hp jde k nule mnohem rychleji. 0.1 Heavy-Tailed Gaussian
pn(x)
0.08 0.06 0.04 0.02 0 -30
-20
-10
0
10
20
30
x
X37OBF
Jan Švihlík (
[email protected])
Druhy šumů v obraze se vyskytující Šum sůl a pepř ¾
Pravděpodobnost, že dojde ke změně bitu V na W při průchodu kanálem je dána P ( V − W = 2i ) = ε ,
i = 0,1,..., B − 1.
¾
Tento druh šumu vzniká zejména při přenosu obrazu digitálním kanálem, kdy se změní některé hodnoty pixelů na nulové, popř blízké nule nebo naopak na hodnoty blízké 255. γ γ P ( y = a) = 1− γ , P ( y = 255) = , P ( y = 0) = , 2 2
¾
Pouze změna MSB způsobí vznik černých a bílých bodů. MSE zapříčiněné změnou MSB lze vyjádřit 2 ε ( 2B-1 ) = ε 4B-1
¾
Obrázek Brada kontaminovaný šumem sůl a pepř s γ = 0.05.
X37OBF
Jan Švihlík (
[email protected])
Druhy šumů v obraze se vyskytující Kvantizační šum ¾
Kvantizační šum je modelován jako uniformní s kvant. krokem ∆ a hp ∆ ∆ 1 , − ≤ n ≤ pn ( x ) = ∆ 2 2, 0, jinde 2
pn(x)
1.5
1
0.5
0 -1
-0.5
0
x
¾
0.5
1
Tento druh šumu vzniká transformací spojité náhodné veličiny na diskretní náhodnou veličinu, popř. transformací diskretní náhodné veličiny na diskrétní náhodnou veličinu s menší bitovou hloubkou. Random threshold Floyd-Steinberg dither Fixed threshold
X37OBF
Jan Švihlík (
[email protected])
Druhy šumů v obraze se vyskytující Poissonovský šum (Photon counting) ¾
Hp Poissonovského šumu je dána P ( Ω = k ) = pn ( k ; λ ) =
¾
λ k e− λ k!
,
k = 0, 1, 2,...
Tento druh šumu se vyskytuje kupř. na sensorech, které pracují jako čítač fotonů (CCD). Sensor v daném časovém intervalu načítá náhodný počet fotonů pohybující se kolem střední hodnoty λ. 0.2
pn(k)
0.15
0.1
0.05
0
0
5
10
15
k
X37OBF
Jan Švihlík (
[email protected])
Potlačení aditivního šumu Máme
Chceme
POTLAČENÍ ŠUMU
Konvoluční filtrace ¾
¾
Patří mezi nejjednodušší metody pro potlačení šumu. Metoda je založena na odfiltrování kmitočtových složek mimo pásmo užitečného signálu. Redukujeme prostorovou rozlišovací schopnost. Jednoduché konvoluční jádro provádějící průměrování. Filtrované
Gauss σ = 20 1 1 1 1 1 1 1 9 1 1 1 X37OBF
Jan Švihlík (
[email protected])
Potlačení aditivního šumu Maska ve spektrální rovině ¾
Patří mezi nejjednodušší metody pro potlačení šumu. Metoda je založena na aplikace masky ve spektru signálu. Na rozdíl od konvolučních filtrů, může maska realizovat libovolné typy filtrů.
¾
Masky, které mají ve spektru ostré rozhraní způsobí v prostorové doméně vznik nežádoucích artefaktů. C (u, v) = R(u, v) ⋅ H (u, v) = R(u, v) ⋅ H (u, v) ⋅ Φ(u, v), Gauss σ = 20
X37OBF
Filtrované
Jan Švihlík (
[email protected])
Potlačení aditivního šumu Mediánová filtrace ¾
Patří mezi nelineární metody. Obrazový bod je nahrazen mediánem spočteným v poli mediánu.
¾
Medián m náhodné proměnné X je dán P ( X ≤ m ) ≥ 0.5 ≤ P ( X ≥ m ) .
¾
Jinak řečeno, medián posloupnosti (s lichým počtem členů) je definován jako hodnota členu, pro který platí, že polovina členů je větší a polovina menší než hodnota mediánu. Gauss σ = 20
Filtrované
¾Medián
lépe zachová hrany oproti konv.
Filt. ¾Hodí
X37OBF
se zejména pro impulsní šumy.
Jan Švihlík (
[email protected])
Potlačení signálově závislého šumu Multiplikativní Homomorfní filtr Po zlogaritmování aplikujeme běžné algoritmy pro odstranění aditivního šumu. Po odstranění šumu se na obrazovou matici aplikuje exponenciální převodní charakteristika. y = x⋅n
¾
log ( y ) = log ( x ) + log ( n )
Poissonovský Anscombova transformace ¾
Anscombova transformace provede tzv. stabilisaci variance a transformuje Poissonovská data I(λ) na přibližně Gaussovské s distribuční funkcí N(0,1). 3 AT {I ( λ )} = 2 I ( λ ) + . 8
¾
Pro odstranění Poissonovského šumu lze rovněž použít průměrování v čase – přímý odhad λ. Je nutné mít více realizací snímku. Popř. delší exposice.
X37OBF
Jan Švihlík (
[email protected])
Základní metody rekonstrukce obrazu
X37OBF
Jan Švihlík (
[email protected])
Rekonstrukce obrazu Obrazový systém Zobraz. systém
Obrazový sensor
Zprac. a přenos
Zobraz.
¾
Průchod signálu obrazovým systémem způsobí degradaci obrazu a ztrátu informace.
¾
Lineární funkční bloky se chovají většinou jako filtr DP, což způsobí omezení kmitočtového pásma.
¾
Lineární bloky zanáší šum do signálu.
¾
Impulsní odezva PSF(x,y) neznáme, máme pouze degradovaný snímek.
X37OBF
Jan Švihlík (
[email protected])
Rekonstrukce obrazu Inverzní filtr ¾
Inverzní filtr kompensuje přenosovou frekvenční charakteristiku obrazového systému H(u,v) (dekonvoluce). C(u,v) představuje spektrum degradovaného obrazu. C (u, v) = R(u, v) ⋅ H (u, v) + N (u, v)
¾
Inverzní filtr pro systém bez aditivního šumu N(u,v) lze rekonstrukční filtr HR(u,v) zapsat takto. 1 C (u, v) CR (u, v) = = R(u, v) H R (u, v) = H (u, v) H (u, v)
¾
Rekonstruovaný obraz CR(u,v) ze systému s aditivním šumem N(u,v) lze zapsat takto. N (u, v) CR (u, v) = R(u, v) + H R (u, v)
¾
V případě, že frekvenční přenosová charakteristika systému je DP, potom inverzní filtr je HP jehož přenos roste s kmitočtem nade všechny meze – šumové složky jsou v horní části pásma mimořádně zesíleny => šumová katastrofa.
X37OBF
Jan Švihlík (
[email protected])
Rekonstrukce obrazu Wienerův filtr ¾
Wienerův filtr je filtr při jehož použití nedochází k šumové katastrofě. Princip filtru vychází z minimalizace střední kvadratické chyby mezi původní r(x,y) obrazovou maticí a rekonstruovanou obrazovou maticí cr(x,y). MSE = E [ r ( x, y) − cr ( x, y)]
2
H R (u, v) =
H * (u, v) S (u, v) H * (u, v) ⋅ H (u, v) + N S ( u , v ) R
¾
Nejjednodušší způsob jak odhadnout spektrální výkonovou hustotu původního nezkresleného obrazu SR(u,v) je uvažovat spektrální hustotu šumu SN(u,v) = σ2 z čehož lze určit S R (u, v) ≈ SC (u, v) − σ 2
¾
Rozptyl šumu můžeme odhadnout kupř. z jednolitých ploch v obraze.
X37OBF
Jan Švihlík (
[email protected])
Doporučená literatura [1] Klíma, M. – Bernas, M. – Hozman, J. – Dvořák, P.: Zpracování obrazové informace. První vydání. Praha: ČVUT, 1996. 177 stran. ISBN 80-0101436-3. [2] Gonzales, C – Woods, R.: Digital Image Processing. Second edition. New Jersey, 2002. ISBN 0-201-18075-8.
X37OBF
Jan Švihlík (
[email protected])
Děkuji za pozornost …?
X37OBF
Jan Švihlík (
[email protected])