iT邦幫忙

2023 iThome 鐵人賽

DAY 27
1

在進行任何影像任務之前,通常會做一些影像的前處理,然後才將影像丟入模型中,所以今天要來分享的是其中一個常做的前處理:對影像中的雜訊做濾除


常見的雜訊

影像中的雜訊是由各種因素引起的,它們可能會干擾我們對影像的正確理解和分析。以下是一些常見的影像雜訊類型:

高斯雜訊(Gaussian Noise)

高斯雜訊通常會出現在感測器或電子電路等地方,它在數位影像中會呈現高斯分布的狀態

脈衝雜訊(Impulse Noise)

脈衝雜訊是由尖銳且突然的干擾引起的,在影像中,這種雜訊通常以極端的像素值(0 或 255)出現,形成黑色或白色的雜訊,也可被稱為椒鹽雜訊(Salt and Pepper Noise)。由於其突兀的特性,人眼對於這種雜訊會更加敏感


濾波器

為了去除影像中的雜訊,可以使用基於數學原理而設計的各種濾波器,這些濾波器目的都是要保留影像的有用資訊並去除雜訊。以下是一些常見的影像濾波器,它們會利用像素周遭的局部資訊以達到去雜訊的目的:

均值濾波(Mean Filter)

均值濾波會將 NxN 像素的值相加後取平均值,N 通常為奇數,然後將結果當作是正中心的那個像素值
這種濾波器適用於去除低頻雜訊,但對於脈衝雜訊的效果較差
https://ithelp.ithome.com.tw/upload/images/20231012/20155915brA79HSEAd.png

中值濾波(Median Filter)

中值濾波是通過排序 NxN 個像素值並取出中間值來當作正中心的那個像素值
這個方法可以有效處理椒鹽雜訊,同時保留較多的邊緣細節。然而,當考慮越多的鄰近像素時,保留細節的效果可能會降低
https://ithelp.ithome.com.tw/upload/images/20231012/20155915fwt3KkbS6C.png

高斯濾波(Gaussian Filter)

高斯濾波的原理類似於均值濾波,也是會用到目標像素值周遭的像素取平均,但在計算平均值時會考慮那些周遭像素的權重。這些權重是通過二維的高斯函數計算出來的,也就是說,高斯濾波會更加強調附近像素的影響,同時較遠像素的影響會較小
這種濾波方法在計算上可能需要較長的時間


上一篇
模型架構 D7 - deeplabv3+
下一篇
前處理 D2 - 資料擴增
系列文
初次抓舉AI的世界30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言