图像噪声
噪声
- Impulse noise 冲击噪声;
- Gaussian white noise (thermal noise) 高斯白噪声(电子元器件加热引起);
- Texture noise (spatial correlated noise) 纹理噪声(半色调技术)。
Impulse noise 冲击噪声(脉冲噪声)
- 椒盐噪声(盐是白色,胡椒粉为黑色)——噪声值将是图像灰度等级的最大值或最小值,每一个概率相等(某一个像素点要么直接是255,要么是0);
- 均匀脉冲噪声——噪声值是图像灰度等级的最大值和最小值之间的均匀随机变量,[0, 255]的均匀分布(虽然被噪点干扰了,但有可能值与原始值相同)。
为用户给定的参数,表示该像素点被噪声干扰的百分比是多少。
椒盐噪声与脉冲噪声示例。
Gaussian white noise 高斯白噪声
高斯噪声示例。
Texture noise 纹理噪声
计算自相关函数,纹理噪声干扰的邻近像素会有较大的相关性。
表示原始图像,即GT;
表示被噪声污染的图像,
表示经过滤波后的图像;
ISNR:信噪比提高的部分,好的情况下,滤波处理后的图像离GT距离更近,为正值。
滤波后的结果,图像模糊了,再添加一个阈值。
双边滤波
- 橘黄色:高斯低通滤波,中间权重最大,周围权重递减,公式中p、q表示空间像素点的位置,p是当前要滤波的像素点的空间位置,q表示邻近的某个像素点的空间位置;
- 蓝色:若p、q两点的灰度值差别很大,权重值会下降,当
和
非常接近的时候,权重值才会大,加入蓝色这一项,与前面相乘,对周围像素值进行非线性变换(即相似时权重会很大,但不相似时虽然靠得近但权重也会小);
- 紫色:保证滤波后的像素值仍在[0, 255],起归一化的作用,保证所有权重值之和为1。
去噪前后结果对比。
失败的结果。
参数不同的失败结果。
双边滤波作用于彩色图像。
不是只可以作用在噪声图像上,看起来更加光滑。
帽子上的褶皱统统被抹去,脸部出现了mach band。
本质目的想去除手后面背景的纹理,但双边滤波对纹理噪声作用效果不大。
非线性全变分滤波
将滤波看为优化问题,优化的目标是:滤波后x方向上的差分和y方向上的差分尽量的少,也就是说要使得图像变得比较光滑。
一些限制条件:
- 原始图像的能量与受噪声干扰的图像是一样的
- 二者差异的积分为给定的均方差。
采用梯度下降法优化。
20次迭代。
滤波后的结果。
双边纹理滤波
这是对原始双边滤波器(Tomasi & Manduchi, 1998)的修改,它对纹理特征进行基于局部块的分析,并将其结果纳入范围滤波器内核;
- 它将纹理信息(而不是颜色信息)纳入了范围过滤器内核
确保适当的纹理/结构分离的中心思想是基于patch移位,从最有代表性的纹理patch中捕捉到纹理信息,并清除突出的结构边缘。
- 纹理往往包含足够强烈的对比,从而与结构相混淆
假设一个的box代表一个patch,每个像素
在
中共有
个patch包含
(右图蓝色为最后一个)。
形成一个指导图像,是根据局部纹理的测量值来的。
如何衡量局部纹理特征的值 or patch是包含边缘的?
- 我们暂且假设纹理信号的振幅比相邻结构边缘的振幅小;
- 我们将纹理定义为信号的细尺度空间振荡;
- 通过色调范围(tonal range)
来衡量一个patch
包含结构边缘的可能性。
色调范围即图像块中最大灰度值和最小灰度值的差,若patch中真正包含边缘,的值相对较大,若为纹理,该值相对较小(判断是真正包含边缘还是由于纹理噪声而引起的伪边缘的相应)。
实验结果。
结构边缘信息保留,纹理信息消除。