iT邦幫忙

2021 iThome 鐵人賽

DAY 11
1
Software Development

從林到有_Image processing系列 第 11

[D11] 影像雜訊與濾波(2)

影像中的雜訊真的讓人看了很不順眼!好想把上面那些小白點、小黑點拿掉!
這時候濾波器就派上用場了~~~~

濾波器 Filter

濾波器 Filter 不僅僅會應用在影像處理中,就像前面所提到雜訊在電子/訊號的世界基本上是無所不在的,所以在EE 領域為了處理雜訊也發展出很多不同的濾波技術。
回到影像,我們會提到均值濾波器 、中值濾波器和 Alpha-修整平均濾波器!

均值濾波器 Mean Filter

適用於高斯雜訊!

透過觀察高斯分佈的曲線可以發現一個重點,雖然高斯雜訊附加上去的值每次都是隨機產生的,但是它的期望值在 0! 
最簡單的方式我們可以透過做平均來將它消除掉。

→ 藉由考慮周遭像素值來消除(部分時候只能降低)雜訊干擾。

中值濾波器 Median Filter

適用於胡椒鹽雜訊!

前面提到 Impulse Noise 有一個很重要的特點就是,它一般會以極值(0 或 255)出現,所以說我們只要將影像中的極值給去除問題就解決了。但是卻會有另一個問題產生,如果它在影像中本來是就黑的(0)或白的(255)地方該怎麼辦呢?

一般來說,影像中每個像數點(pixel)跟周邊的鄰點是存在一定相依關係的,即灰階值會很接近
所以這時候我們利用中值濾波器,透過將周邊的資料撈進來做排序,然後用排序後正中間的那個值做輸出,這樣就能解決問題了!

Alpha-修整平均濾波器 Alpha-Trimmed Mean Filter

假設今天一張影像如果同時受到 Gaussian Noise 與 Impulse Noise 的影響,使用均值濾波器或中值濾波器來處理的效果都不太好,這時候我們就可以使用結合了上述兩種濾波器的 Alpha-Trimmed Mean Filter!

概念是:設定要過濾幾筆資訊 d,然後將周邊的資訊排序後,前d / 2 與 後 d / 2 剔除不計,剩下的做平均。

左圖是Gaussian Noise + Impulse Noise , 右圖是用Alpha-Trimmed Mean Filter處理後的影像。

圖片來源&資料參考


上一篇
[D10] 影像雜訊與濾波(1)
下一篇
[D12] 影像濾波
系列文
從林到有_Image processing30

尚未有邦友留言

立即登入留言