Шум изображения медицинской камеры
Шум изображения медицинской камеры
Шум изображения - это случайное изменение яркости или цветовой информации в изображениях и обычно является аспектом электронного шума. Он может быть произведен датчиком изображения и схемой сканера или цифровой камеры. Шум изображения может также возникать из-за зернистости пленки и неизбежного дробового шума идеального детектора фотонов. Шум изображения - нежелательный побочный продукт захвата изображения, который скрывает желаемую информацию.
Первоначальное значение "шум" было "нежелательный сигнал"; нежелательные электрические колебания в сигналах, принимаемых радиоприемниками AM, вызывали слышимый акустический шум ("статический"). По аналогии нежелательные электрические колебания также называют"шум".
Шум изображения может варьироваться от почти незаметных пятнышек на цифровой фотографии, сделанной при хорошем освещении, до оптических и радиоастрономических изображений, которые почти полностью представляют собой шум, из которых можно получить небольшой объем информации путем сложной обработки. Такой уровень шума был бы неприемлемым на фотографии, так как невозможно было бы даже определить объект.
Шум Типы
1.Гауссов шум
Основные источники гауссовского шума в цифровых изображениях возникают во время получения. Датчику свойственен шум из-за уровня освещенности и собственной температуры, а электронные схемы, подключенные к датчику, вносят свою долю шума электронных схем.
Типичная модель шума изображения - гауссова, аддитивная, независимая для каждого пикселя и не зависящая от интенсивности сигнала, вызванная в первую очередь шумом Джонсона – Найквиста (тепловым шумом), в том числе тем, который возникает из-за шума сброса конденсаторов ("kTC шум"). Шум усилителя - основная часть"читать шум"датчика изображения, то есть постоянного уровня шума в темных областях изображения. [5] В цветных камерах, где в канале синего цвета используется большее усиление, чем в канале зеленого или красного, в синем канале может быть больше шума. [6] Однако при более высоких выдержках в шуме датчика изображения преобладает дробовой шум, который не является гауссовым и не зависит от интенсивности сигнала. Кроме того, существует множество алгоритмов шумоподавления по Гауссу.
2.Шум соли и перца
Изображение с шумом соли и перца
Распространенный жирный хвост или "импульсивный"шум иногда называют шумом соли и перца или шумом спайков. Изображение, содержащее шум соли и перца, будет иметь темные пиксели в ярких областях и яркие пиксели в темных областях. [9] Этот тип шума может быть вызван ошибками аналого-цифрового преобразователя, ошибками передачи битов и т. Д. [10] [11] В основном это можно устранить, используя вычитание темных кадров, медианную фильтрацию, комбинированную медианную и среднюю фильтрацию и интерполяцию вокруг темных / ярких пикселей.
Мертвые пиксели на ЖК-мониторе дают похожее, но не случайное изображение.
3.Дробовой шум
Преобладающий шум в более ярких частях изображения с датчика изображения обычно вызван статистическими квантовыми флуктуациями, то есть изменением количества фотонов, воспринимаемых при заданном уровне экспозиции. Этот шум известен как дробовой фотонный шум. [6] Дробовой шум имеет среднеквадратичное значение, пропорциональное квадратному корню из интенсивности изображения, а шумы в разных пикселях не зависят друг от друга. Дробовой шум следует распределению Пуассона, которое, за исключением очень высоких уровней интенсивности, приближается к распределению Гаусса.
Помимо дробового фотонного шума, может возникнуть дополнительный дробовой шум из-за темнового тока утечки в датчике изображения; этот шум иногда называют"темный выстрел"[6] или "дробовой шум темнового тока". Темновой ток наибольший при"горячие пиксели"внутри датчика изображения. Переменный темный заряд нормальных и горячих пикселей можно вычесть (используя"вычитание темной рамки"), оставляя только дробовой шум или случайную составляющую утечки. Если вычитание темных кадров не выполняется или если время экспозиции достаточно велико, чтобы заряд горячих пикселей превышал линейную емкость заряда, шум будет больше, чем просто дробовой шум, а горячие пиксели будут выглядеть как шум соли и перца.
4. шум квантования (равномерный шум)
Шум, вызванный квантованием пикселей воспринимаемого изображения до ряда дискретных уровней, известен как шум квантования. Имеет примерно равномерное распределение. Хотя он может зависеть от сигнала, он не будет зависеть от сигнала, если другие источники шума достаточно велики, чтобы вызвать сглаживание, или если сглаживание применяется явно.
5. пленочное зерно
Зернистость фотопленки - это шум, зависящий от сигнала, с аналогичным статистическим распределением дробовому шуму. Если зерна пленки распределены равномерно (равное количество на площади), и если каждое зерно имеет равную и независимую вероятность развития до темного серебряного зерна после поглощения фотонов, то количество таких темных зерен в области будет случайным с биномом. распределение. В областях, где вероятность мала, это распределение будет близко к классическому распределению Пуассона дробового шума. Простое распределение Гаусса часто используется в качестве достаточно точной модели.
Зернистость пленки обычно рассматривается как источник почти изотропного (неориентированного) шума. Его эффект усугубляется случайным распределением зерен галогенида серебра в пленке.
6. анизотропный шум
Некоторые источники шума проявляются на изображениях со значительной ориентацией. Например, датчики изображения иногда подвержены шуму строк или столбцов.
7. периодический шум
Обычным источником периодического шума в изображении являются электрические или электромеханические помехи во время процесса захвата изображения. [8] Изображение, подверженное периодическому шуму, будет выглядеть так, как будто поверх исходного изображения был добавлен повторяющийся узор. В частотной области этот тип шума можно увидеть в виде дискретных всплесков. Существенного снижения этого шума можно добиться путем применения режекторных фильтров в частотной области. [8] Следующие изображения иллюстрируют изображение, подверженное периодическому шуму, и результат уменьшения шума с помощью фильтрации в частотной области. Обратите внимание, что отфильтрованное изображение все еще имеет некоторый шум на границах. Дальнейшая фильтрация может уменьшить этот пограничный шум, однако она также может уменьшить некоторые мелкие детали изображения. Компромисс между снижением шума и сохранением мелких деталей зависит от конкретного приложения. Например, если мелкие детали на замке не считаются важными, фильтрация нижних частот может быть подходящим вариантом. Если мелкие детали замка считаются важными, жизнеспособным решением может быть обрезка границы замка.
