Bài giảng đã trình bày “phục hồi ảnh” cho mục tiêu
khử nhiễu và ảnh giảm chất lượng.
Các kỹ thuật miền không gian có thể dùng để khử
nhiễu ngẫu nhiên
Kỹ thuật miền tần số thích hợp để khử nhiễu tuần
hoàn
Sử dụng inverse filter để khử lỗi trong trường hợp
không có nhiễu
Sử dụng Wiener filter để khử ảnh có nhiễu và lỗi
59 trang |
Chia sẻ: nguyenlam99 | Lượt xem: 2278 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Bài giảng Xử lý ảnh số - Phục hồi ảnh, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
PHỤC HỒI ẢNH
NGÔ QUỐC VIỆT
TPHCM-2014
Giới thiệu phục hồi ảnh
Nhiễu và ảnh nhiễu
Các mô hình nhiễu
Khử nhiễu sử dụng các bộ lọc miền không gian
Nhiễu tuần hoàn
Khử nhiễu sử dụng các bộ lọc miền tần số
Mô hình ảnh lỗi (bao gồm nhiễu)
Inverse filter
Wiener-Helstrom filter
2 Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt
Phục hồi nhằm khôi phục lại ảnh đã bị hỏng, nhòe,
mờ, etc
Xác định xử lý gây ra sự suy giảm (degradation) và cố gắng
khắc phục
Tương tự image enhancement, nhưng mục tiêu rõ ràng
hơn
3 Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt
Nguồn: Brian Mac Namee (DIT School of computing)
Digital Image Processing, Richard Woods, 2002
Nâng cấp
Theo yêu cầu nâng cấp ảnh
Tri thức về nguyên nhân giảm chất lượng (degradation)
không bắt buộc (hoặc không bị degradation)
Các thủ tục là heuristic và quan tâm đến các khía cạnh nhìn
của human visual system.
Phục hồi
Chất lượng ảnh bị giảm (mờ, nhiễu, di chuyển)
Phục hồi ảnh dựa trên tri thức liên quan đến nguyên nhân
suy giảm ảnh (degradation).
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 4
Ảnh giảm chất lượng do bị tác động bởi nhiễu
hoặc tác động của thiết bị chụp.
Nhiễu trong ảnh số phát sinh do quá trình thu
nhận ảnh, số hóa ảnh (acquisition/
digitization) hoặc trong quá trình truyền ảnh)
Cảm biến ảnh bị tác động bởi môi trường xung
quanh
Một số hiệu ứng lề làm cho ảnh bị tác động trong
quá trình truyền ảnh.
Nhiễu được phân loại tùy theo phân bố của
các giá trị điểm ảnh hoặc histogram
5 Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt
Ảnh nhiễu được mô hình bởi:
Với f(x, y) là điểm ảnh gốc, η(x, y) là thành
phần nhiễu và g(x, y) là pixel bị nhiễu
Nếu có thể xác định được mô hình nhiễu
dạng như trên, thì sẽ có thể khôi phục được
ảnh gốc
6
),( ),(),( yxyxfyxg
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt
Có nhiều mô hình nhiễu,
khác nhau bởi hàm nhiễu
η(x, y):
Gaussian (phổ biến nhất)
Rayleigh
Erlang
Exponential (lũy thừa)
Uniform (đồng nhất)
Impulse (nhiễu muối tiêu)
7
Gaussian Rayleigh
Erlang Exponential
Uniform
Impulse
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt
Hàm phân phối xác suất (PDF) của nhiễu noise được
xác định bởi
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 8
22 2/)(
22
1
)(
zezp
p(z)
Tạo nhiễu Gaussian, với a là
mean, b là độ lệch chuẩn, MxN
là kích thước ảnh (default a =
0, b=1)
R = a + b*randn(M,N);
• 70% giá trị z trong khoảng [(-σ),(+σ)]
• 95% giá trị z trong khoảng [(-
2σ),(+2σ)]
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 9
PDF của nhiễu Rayleigh xác định bởi
azfor
azforeaz
zp
baz
b
0
)(
)(
/)(2
2 p(z)
z a
4/ba
4
)4(2
b
và
Mean và variance là
2
ba
Tạo nhiễu Rayleigh, với a là
mean, b là độ lệch chuẩn, MxN là
kích thước ảnh (default a=0, b= 1)
R = a + (-b*log(1-rand(M,N)))^0.5;
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 10
PDF của nhiễu Erlang xác định bởi
00
0
)!1()(
1
zfor
zfore
b
za
zp
az
bb p(z)
z
K
a
b
2
2
a
b
và
Mean và variance là
a
b 1
)1(
1
)!1(
)1(
b
b
e
b
ba
K
Tạo nhiễu Erlang, MxN là kích
thước ảnh (default a =2, b=5)
k = -1/a;
R = zeros(M,N);
for j = 1:b
R = R + k*log(1 - rand(M,N));
end
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 11
PDF của nhiễu Exponential xác định bởi
00
0
)(
zfor
zforae
zp
az p(z)
z
a
a
1
2
2 1
a
và
Mean và variance là
Chú ý: đây là trường hợp đặc biệt của Erlang PDF với b=1.
Tạo nhiễu lũy thừa, MxN là kích
thước ảnh (default a =1)
k = -1/a
R = k*log(1 - rand(M,N));
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 12
PDF của nhiễu Uniform xác định bởi
otherwise
bzaif
abzp
0
1
)(
p(z)
z a
2
ba
12
)( 22 abvà
Mean và variance là
b
ab
1
Tạo nhiễu uniform, với a là mean,
b là độ lệch chuẩn, MxN là kích
thước ảnh (default a=0, b= 1)
R = a + (b-a)*rand(M,N);
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 13
PDF của nhiễu impulse (bipolar) xác định bởi
otherwise
bzforP
azforP
zp b
a
0
)(
p(z)
z a b
bP
aP
Tạo nhiễu salt-pepper, MxN là
kích thước ảnh. a+b<=1 (default
a=0.05, b= 0.05)
X = rand(M,N);
c = find(X<=a);
R(c) = 1;
u = a + b;
c = find(X > a & X <= u);
R(c) = 1;
Tạo mảng MxN các số ngẫu nhiên phân bố đều
trong khoảng (0,1). Suy ra, a*(M*N) có giá trị <= a.
Tọa độ những điểm này là pepper noise. Tương tự,
b*(M*N) điểm có giá trị trong > a và <= (a+b).
Những điểm này là salt noise.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 14
Tạo nhiễu salt-pepper, MxN là kích thước ảnh.
a+b<=1 (default a=0.05, b= 0.05)
X = rand(M,N);
c = find(X<=a);
R(c) = 1; %pepper
u = a + b;
c = find(X > a & X <= u);
R(c) = 1; %salt
Tính PDF của ảnh
Từ đặc tả của cảm biến
Chụp nhiều ảnh thử nghiệm. Lấy vùng ảnh (patch)
cố định từ các ảnh thử nghiệm và ước lượng PDF
của chúng xác định phần nào nguyên nhân
nhiễu.
Trong mọi trường hợp xác định được mean và
variance.
Nhiễu chu kỳ: ước lượng thông qua power
spectrum của ảnh.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 15
Minh họa ảnh gốc được thêm nhiễu với các mô hình
khác nhau
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 16
Ảnh gốc Histogram
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 17
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 18
Sử dụng bộ lọc không gian để khử nhiễu thông qua
các bộ lọc arithmetic mean có dạng
Các bộ lọc làm trơn ảnh có thể để khử nhiễu
Ngoài arithmetic mean, có nhiều loại mean filters,
tạo ra kết quả khử nhiễu khác biệt
Geometric Mean
Harmonic Mean
Contraharmonic Mean
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 19
xySts
tsg
mn
yxf
),(
),(
1
),(ˆ
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9 Smooth filter
Tính giá trị trung bình của ảnh nhiễu g(x,y) trong
vùng xác định bởi Sx,y. Sxy biểu diễn tập các tọa độ
trong subimage kích thước mxn (chính là mặt nạ).
Giá trị của điểm ảnh cần phục hồi tại (x,y) xác định
bởi
Chú ý: dùng mặt nạ chập trong đó mọi hệ số có giá
trị 1/mn. Nhiễu sẽ giảm tương tự hiệu ứng blurring
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 20
xySts
tsg
mn
yxf
),(
),(
1
),(ˆ
w = fspecial('average',[m n]);
f = imfilter(g,w,'replicate');
Geometric Mean
Kết quả tương tự như theo smoothing arithmetic
mean, nhưng làm mất ít chi tiết ảnh hơn.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 21
mn
Sts xy
tsgyxf
1
),(
),(),(ˆ
f = exp(imfilter(log(g),ones(m,n),'replicate'))^(1/(m*n));
Harmonic mean filter xác định bởi biểu thức
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 22
xySts
tsg
mn
yxf
),( ),(
1
),(ˆ
f = m * n ./ imfilter(1./(g + eps),ones(m,n),'replicate');
The contra-harmonic mean filter xác định bởi biểu
thức
Với Q là bậc của filter. Filter này phù hợp với việc
giảm hay loại bỏ nhiễu salt-and-pepper.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 23
xy
xy
Sts
Q
Sts
Q
tsg
tsg
yxf
),(
),(
1
),(
),(
),(ˆ
f = imfilter(g.^(q+1),ones(m,n),'replicate');
f = f ./(imfilter(g.^q,ones(m,n),'replicate') + eps);
Thực hiện chập với kích thước Sxy là 3x3 cho các filter
geometric, harmonic, contraharmonic
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 24
54 52 57 55 56 52 51
50 49 51 50 52 53 58
51 204 52 52 0 57 60
48 50 51 49 53 59 63
49 51 52 55 58 64 67
148 154 157 160 163 167 170
151 155 159 162 165 169 172
Original Image x
y
Filtered Image x
y
Các bộ lọc Order-Statictics là bộ lọc không gian đã
trình bày trong chương “làm mờ”, trong đó cách
thực hiện dựa trên sắp xếp thứ tự giá trị cường độ
các pixel trong vùng nhân chập. Các bộ lọc phổ biến
Median filter
Max and Min filter
Midpoint filter
Alpha-trimmed mean filter
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 25
Giá trị của pixel tâm nhân chập được thay thế bởi
mức sáng trung bình của các pixel trong vùng Sxy
đang xét:
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 26
),(),(ˆ
),(
tsgmedianyxf
xySts
f = medfilt2(g,[m n],'symmetric');
Sử dụng giá trị cao nhất trong vùng ảnh (gọi là 100%,
hay là max filter)
Bộ lọc này hiệu quả để tìm các pixel sáng nhất trong
ảnh. Vì nhiễu tiêu (tối) có giá trị rất thấp. Nhiễu tiêu sẽ
giảm đáng kể khi sử dụng max filter trong Sxy.
Ngược lại chọn giá trị nhỏ nhất (0th percentile filter, hay
min filter) ứng với min filter:
Bộ lọc này hiệu quả để tìm các pixel tối nhất trong ảnh.
Nhiễu muối (sáng) sẽ giảm đáng kể khi sử dụng min
filter trong Sxy.
27
),(max),(ˆ
),(
tsgyxf
xySts
),(min),(ˆ
),(
tsgyxf
xySts
f = ordfilt2(g,m*n,ones(m,n),'symmetric');
Bộ lọc midpoint có được bằng cách tính trung bình
của các giá trị maximum và minimum trong Sxy:
Chú ý: bộ lọc này hiệu quả cho loại nhiễu ngẫu
nhiên, như nhiễu Gaussian hay uniform.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 28
),(min),(max
2
1
),(
),(),(
tsgtsgyxf
xyxy StsSts
f1 = ordfilt2(g,1,ones(m,n),'symmetric');
f2 = ordfilt2(g,m*n,ones(m,n),'symmetric');
f = imlincomb(0.5,f1,0.5,f2);
Giả sử xóa d/2 giá trị thấp nhất và d/2 giá trị xám cao
nhất của g(s,t) trong Sxy.
Đặt gr(s,t) là mn-d pixels còn lại trong Sxy. Và giá trị
trung bình của những pixel còn lại này được xác định
bởi:
Với giá trị d từ zero đến mn-1. Khi d=0, chính là
arithmetic mean filter và d=(mn-1)/2 là median filter. Bộ
lọc dạng này thường dùng để khử nhiễu kết hợp (nhiều
dạng nhiễu có trong ảnh) như kết hợp của nhiễu muối
tiêu và Gaussian.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 29
xySts
r tsg
dmn
yxf
),(
),(
1
),(ˆ
f = ordfilt2(g,1,ones(m,n),'symmetric');
for k = 1:d/2
f = imsubstract(f,ordfilt2(g,k,ones(m,n),'symmetric'));
end
for k = (m*n - (d/2) + 1):m*n
f = imsubstract(f,ordfilt2(g,k,ones(m,n),'symmetric'));
end
f = f/(m*n - d);
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 30
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 31
Ảnh bị nhiễu
muối tiêu
Kết quả lọc
một lầnvới
3*3 Median
Filter
Kết quả lọc
hai lầnvới
3*3 Median
Filter
Kết quả lọc
ba lầnvới
3*3 Median
Filter
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 32
Ảnh bị
nhiễu
Uniform
Ảnh bị nhiệu
Muối tiêu
Lọc với
5*5 Arithmetic
Mean Filter
Lọc với
5*5 Median
Filter
Lọc với
5*5 Geometric
Mean Filter
Lọc với
5*5 Alpha-Trimmed
Mean Filter
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 33
Thực hiện chập với kích thước Sxy là 3x3 cho các filter
median, min-max, midpoint và Alpha trimed mean.
54 52 57 55 56 52 51
50 49 51 50 52 53 58
51 204 52 52 0 57 60
48 50 51 49 53 59 63
49 51 52 55 58 64 67
50 54 57 60 63 67 70
51 55 59 62 65 69 72
Original Image x Filtered Image x
y
Phát sinh do
electrical hoặc
electromagnetic
Tạo nên các nhiễu dạng
patterns trong ảnh
Kỹ thuật miền tần số trong
miền Fourier thích hợp để
khử nhiễu dạng này
(periodic noise)
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 34
Khử periodic noise có thể tương đương việc xóa một
miền tần số nhất định
Band reject filters có thể được sử dụng
Dạng ideal band reject filter được xác định bởi
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 35
2
),( 1
2
),(
2
0
2
),( 1
),(
0
00
0
W
DvuDif
W
DvuD
W
Dif
W
DvuDif
vuH
Ideal band reject filter có dạng như sau, cùng với
Butterworth và Gaussian
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 36
Ideal Band
Reject Filter
Butterworth
Band Reject
Filter (bậc 1)
Gaussian
Band Reject
Filter
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 37
Ảnh nhiễu do
sinusoidal
Fourier spectrum của
ảnh nhiễu
Butterworth band
reject filter
Filtered image
Notch filter khử các tần số trong các lân cận xác
định quanh tần số tâm: Ideal notch filter, Butter
notch filter, Gaussian notch filter
Dạng cặp đối xứng qua tâm vì biến đổi Fourier của
ảnh là đối xứng
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 38
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 39
otherwise
DvuDorDvuDif
vuH
1
),(),(0
),(
0201
2/120201 2/2/),( vNvuMuvuD
2/120202 2/2/),( vNvuMuvuD
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 40
n
vuDvuD
D
vuH
2
21
2
0
),(),(
1
1
),(
n=2
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 41
2
0
21 ),(),(
2
1
1),(
D
vuDvuD
evuH
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 42
• Hai kiểu degradation
Do bị nhiễu: Xử lý trong miền không gian
Ảnh mờ: Xử lý trong miền tần số
• Mô hình degradation theo hàm h(x,y), và (x,y), như
sau:
𝑔(𝑥, 𝑦) = (𝑥, 𝑦) ∗ 𝑓(𝑥, 𝑦) + (𝑥, 𝑦)
𝑓(𝑥, 𝑦) là ảnh gốc không bị giảm chất lượng
𝑔(𝑥, 𝑦) là ảnh bị giảm chất lượng, * là toán tử chập
Mục tiêu là tiệm cận với 𝑓(𝑥, 𝑦) tùy theo nguyên nhân gây
ra h và .
Trong miền tần số:
𝐺(𝑢, 𝑣) = 𝐻(𝑢, 𝑣)𝐹(𝑢, 𝑣) + 𝑁(𝑢, 𝑣).
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 43
Ảnh bị degradation và có nhiễu được mô hình bởi
𝑔 𝑥, 𝑦 = 𝑓 𝛼, 𝛽 𝑥 − 𝛼, 𝑦 − 𝛽 𝑑𝛼𝑑𝛽
+∞
−∞
+ 𝜂(𝑥, 𝑦)
+∞
−∞
𝑔(𝑥, 𝑦) = (𝑥, 𝑦) ∗ 𝑓(𝑥, 𝑦) + (𝑥, 𝑦)
𝐺 𝑢, 𝑣 = 𝐻 𝑢, 𝑣 𝐹 𝑢, 𝑣 + 𝑁 𝑢, 𝑣 (miền tần số)
Thành phần 𝑥 − 𝛼, 𝑦 − 𝛽 là Point spread
function (PSF) hoặc impulse response: biểu diễn
đáp ứng của thiết bị chụp trên nguồn sáng điểm.
Mức độ spread (hoặc blur) thể hiện chất lượng của
thiết bị chụp.
Image restoration: phục hồi lại f(x,y) dựa trên g(x,y)
(ảnh bị lỗi), tri thức về PSF, và yếu tố nhiễu.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 44
Ảnh degradation: 𝑔 𝑥, 𝑦 = 𝐻 𝑓(𝑥, 𝑦) + 𝜂(𝑥, 𝑦)
Trường hợp không bị nhiễu
H là tuyến tính nếu
𝐻 𝑎𝑓1 𝑥, 𝑦 + 𝑏𝑓2 𝑥, 𝑦 = 𝑎𝐻 𝑓1 𝑥, 𝑦 + 𝑏𝐻 𝑓2 𝑥, 𝑦
H là bất biến vị trí nếu
𝑔 𝑥, 𝑦 = 𝐻 𝑓 𝑥, 𝑦 ⇒ 𝐻 𝑓 𝑥 − 𝛼, 𝑦 − 𝛽 = 𝑔(𝑥 − 𝛼, 𝑦 − 𝛽)
Trường hợp có nhiễu
𝑔(𝑥, 𝑦) = (𝑥, 𝑦) ∗ 𝑓(𝑥, 𝑦) + (𝑥, 𝑦)
𝐺(𝑢, 𝑣) = 𝐻(𝑢, 𝑣)𝐹(𝑢, 𝑣) + 𝑁(𝑢, 𝑣) (trong miền tần số)
Ảnh disorted/observed g(x, y) có thể mô hình như tích chập của
hàm mục tiêu h(x,y) và cộng thêm nhiễu.
Nguyên nhân degradation có thể xấp xỉ về dạng linear,
position-invariant (chỉ phụ thuộc vào giá trị điểm ảnh).
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 45
Hệ thống PSF là giá trị cố định hoặc xác định bởi
phần cứng vật lý (hình dạng ống kính máy ảnh,
camer Anger của thiết bị y khoa) của thiết bị chụp
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 46
Nguồn: Chris Solomon, Toby Breckon
Atmospheric turbulence model:
𝐻 𝑢, 𝑣 = 𝑒−𝑘 𝑢
2+𝑣2
5/6
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 47
Negligible
turbulence
Mid
turbulence
k=0.001
High
turbulence
k=0.0025
Low
turbulence
k=0.00025
Blurring by linear motion (mô phỏng di chuyển
camera)
𝑔 𝑥, 𝑦 = 𝑓 𝑥 − 𝑥0 𝑡 , 𝑦 − 𝑦0 𝑡 𝑑𝑡
𝑇
0
𝐺 𝑢, 𝑣 = 𝐹(𝑢, 𝑣) 𝑒−𝑖2𝜋 𝑢𝑥0 𝑡 +𝑣𝑦0 𝑡 𝑑𝑡
𝑇
0
⇒ 𝐻 𝑢, 𝑣 = 𝑒−𝑖2𝜋 𝑢𝑥0 𝑡 +𝑣𝑦0 𝑡
𝑇
0
𝑑𝑡
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 48
Blurring by linear motion (tt)
Nếu 𝑥0 𝑡 =
𝑎𝑡
𝑇
, 𝑦0 𝑡 =
𝑏𝑡
𝑇
⇒
𝐻 𝑢, 𝑣 =
𝑇
𝜋(𝑢𝑎 + 𝑣𝑏)
sin (𝜋(𝑢𝑎 + 𝑣𝑏))𝑒−𝑖𝜋(𝑢𝑎+𝑣𝑏)
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 49
Thực nghiệm để xác định impulse response của
degradation thông qua chụp imaging an impulse
(dùng nguồn sáng điểm).
Pp.154-157 tài liệu Fundamentals of Digital of Image
Processing- A practical approach with examples in
Matlab
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 50
Xét 𝐺 𝑢, 𝑣 = 𝐻 𝑢, 𝑣 𝐹 𝑢, 𝑣 + 𝑁 𝑢, 𝑣
Nếu bỏ qua yếu tố nhiễu thì: 𝐹 𝑢, 𝑣 =
𝐺 𝑢,𝑣
𝐻 𝑢,𝑣
⇒
𝑓 𝑥, 𝑦 = 𝐹−1
1
𝐻 𝑢,𝑣
𝐺(𝑢, 𝑣) . 𝐻 𝑢, 𝑣 là system optical
transfer function (OTF) và được gọi là inverse filter.
𝑌(𝑢, 𝑣) =
1
𝐻(𝑢,𝑣)
có thể tiến tới . Vì vậy : 𝑌(𝑢, 𝑣) =
1
𝐻(𝑢,𝑣)
𝐻 𝑢, 𝑣 ≥ 𝛼
0 𝐻 𝑢, 𝑣 < 𝛼
Nếu có nhiễu: thì
𝐹 𝑢, 𝑣 =
𝐺 𝑢, 𝑣
𝐻 𝑢, 𝑣
+
𝑁 𝑢, 𝑣
𝐻 𝑢, 𝑣
= 𝐹 𝑢, 𝑣 +
𝐺 𝑢, 𝑣
𝐻 𝑢, 𝑣
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 51
Khảo sát MATLAB code về OTF và inverse filter của
ảnh
Gaussianpsf_inversefilter.m
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 52
Kết hợp khử nhiễu và khử thành phần lỗi của ảnh.
Mục tiêu là cực tiểu lỗi giữa ảnh lý tưởng và ảnh lỗi
min arg 𝐸 𝑓 − 𝑓
2
Tính chất bộ lọc Wiener
Tại những tần số có thành phần nhiễu 𝑁(𝑢, 𝑣) nhỏ hơn
nhiều thành phần ảnh 𝐺(𝑢, 𝑣) bộ lặp Wiener xấp xỉ
inverse filter. 𝑌(𝑢, 𝑣) = 1/𝐻(𝑢, 𝑣) nếu 𝑁(𝑢, 𝑣) ≪ 𝐺(𝑢. 𝑣)
Tại những tần số có thành phần nhiễu 𝑁(𝑢, 𝑣) lớn hơn
nhiều thành phần ảnh 𝐺(𝑢, 𝑣) bộ lặp Wiener xấp xỉ zero.
𝑌(𝑢, 𝑣) ≈ 0 nếu 𝑁(𝑢, 𝑣) ≫ 𝐺(𝑢, 𝑣).
Nếu không 2 tr/hợp trên, Wiener dung hòa giữa inverse
filter và khử hoàn toàn.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 53
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 54
𝐹 (𝑢, 𝑣) =
𝐻∗ 𝑢, 𝑣 𝑆𝑓 𝑢, 𝑣
𝑆𝑓 𝑢, 𝑣 𝐻 𝑢, 𝑣 2 + 𝑆𝜂 𝑢, 𝑣
𝐺 𝑢, 𝑣
=
𝐻∗ 𝑢, 𝑣
𝐻 𝑢, 𝑣 2 + 𝑆𝜂 𝑢, 𝑣 𝑆𝑓 𝑢, 𝑣
𝐺 𝑢, 𝑣
=
1
𝐻 𝑢, 𝑣
𝐻(𝑢, 𝑣) 2
𝐻 𝑢, 𝑣 2 + 𝑆𝜂 𝑢, 𝑣 𝑆𝑓 𝑢, 𝑣
𝐺(𝑢, 𝑣)
𝐺 𝑢, 𝑣 : ảnh lỗi
𝑆𝜂 𝑢, 𝑣 = 𝑁(𝑢, 𝑣)
2: power spectrum của nhiễu
𝑆𝑓 𝑢, 𝑣 = 𝐹(𝑢, 𝑣)
2: power spectrum của ảnh gốc(không
có)
𝐻∗ 𝑢, 𝑣 : conjugate phức của 𝐻 𝑢, 𝑣 .
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 55
𝐹 𝑢, 𝑣 =
1
𝐻 𝑢, 𝑣
𝐻∗ 𝑢, 𝑣
𝐻 𝑢, 𝑣 2 + 𝑆𝜂 𝑢, 𝑣 𝑆𝑓 𝑢, 𝑣
𝐺(𝑢, 𝑣)
1
𝐻 𝑢,𝑣
𝐻 𝑢,𝑣 2
𝐻 𝑢,𝑣 2+𝑁𝑆𝑅(𝑢,𝑣)
hoặc
𝐻∗ 𝑢,𝑣
𝐻 𝑢,𝑣 2+𝑁𝑆𝑅(𝑢,𝑣)
: là
Wiener-Helstrom filter.
𝑁𝑆𝑅 𝑢, 𝑣 = 𝑆𝜂 𝑢, 𝑣 𝑆𝑓 𝑢, 𝑣 : là noise/signal ratio
power.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 56
Hằng Không biết
NSR nhỏ: ảnh có tín hiễu và nhiễu ngang nhau khó
phân biệt ảnh hưởng đến chất lượng phục hồi ảnh
NSR lớn: ảnh ít bị nhiễu (dễ phân biệt giữa nhiễu và
ảnh)
Nhận xét: Wiener-Helstrom filter xấp xỉ inverse filter
khi NSR lớn (thành phần nhiễu không đáng kể)
Khảo sát MATLAB code về OTF và Wiener filter trên
ảnh:
MotionBlurpsf_wienerfilter.m
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 57
Cần phải biết trước NSR phải biết trước input
spectrum (thực tế không biết trước giá trị này)
Wiener được xây dựng để đạt tiêu chuẩn cực tiểu
tổng lỗi bình phương (MMSE) trên toàn bộ ảnh, đôi
khi không đem lại kết quả phục hồi ảnh thích hợp.
Một số biến thể của Wiener filter được phát triển/bổ
sung (Pp.151-156 tài liệu Fundamentals of Digital of
Image Processing- A practical approach with
examples in Matlab)
Xem: regularizedfilter.m
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 58
Bài giảng đã trình bày “phục hồi ảnh” cho mục tiêu
khử nhiễu và ảnh giảm chất lượng.
Các kỹ thuật miền không gian có thể dùng để khử
nhiễu ngẫu nhiên
Kỹ thuật miền tần số thích hợp để khử nhiễu tuần
hoàn
Sử dụng inverse filter để khử lỗi trong trường hợp
không có nhiễu
Sử dụng Wiener filter để khử ảnh có nhiễu và lỗi.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 59
Các file đính kèm theo tài liệu này:
- xla_baigiang_08_6903.pdf