Nástroje na spracovanie obrazu. Krátky kurz teórie spracovania obrazu. I. M. Zhuravel. Redukcia šumu prostredníctvom spriemerovania obrazu
Šumy môžu byť náhodné analógové, pulzné a rôzne typy deterministických.
Náhodný analógový šum
Náhodný analógový šum je spravidla generovaný zrnitou štruktúrou fotografického materiálu, v ktorom bol vytvorený originál. Šumy sú relevantné pri zväčšení viac ako 8x.
Na odstránenie takéhoto šumu sa používajú metódy vyhladzovania.
Činnosť týchto metód je založená na digitálnom filtrovaní spriemerovaním hodnoty signálu v okolí čítaného pixelu. V programoch ako PhotoShop sa tieto antialiasingové filtre nazývajú Blur, Gaussian Blur.
Blur poskytne priame spriemerovanie. Gaussian Blur zavádza váhy pixelov do priemerovacej matice podľa Gaussovho zákona.
Rozmazanie je zastarané, pretože neumožňuje upraviť stupeň spriemerovania. Stupeň vyhladenia sa nastavuje opakovanou aplikáciou filtra.
Gaussovské rozostrenie je modernejšie. V ňom môžete upraviť parameter priemerovania, čím upravíte vyhladenie.
Je potrebné mať na pamäti, že použitie takýchto filtrov môže viesť k strate ostrosti obrazu, pretože sa spriemeruje nielen štruktúra šumu, ale aj pixely, ktoré tvoria hranicu obrazu. V niektorých prípadoch je vhodné po vyhladení dodatočne vykonať procedúru neostrého maskovania.
Náhodný impulzný šum
Náhodný impulzný šum sa týka relatívne riedko umiestnených jednotlivých defektov, ako sú škrabance a prachové častice. Keď sa na ne aplikuje, postup vyhladzovania zvyčajne nie je účinný, pretože veľkosť takýchto defektov je pomerne veľká.
Na odstránenie takýchto defektov sa používajú filtre radových tried. Takéto filtre poradia vytvoria sériu pixelov pozdĺž čiary, zoradia tieto série ich umiestnením vo vzostupnom poradí, zamietnu minimálne a maximálne hodnoty pixelov, ktoré môžu byť chybné, a nájdu priemernú hodnotu v tejto sérii. Táto priemerná hodnota sa umiestni na miesto analyzovaných pixelov.
Týmto spôsobom je možné odstrániť relatívne malé chyby, ako sú škrabance a prach. V zásade je možné meniť dĺžku série a tak vyberať pri väčších defektoch.
Avšak pre pomerne veľké chyby, ktoré presahujú dĺžku série pixelov, táto metóda nie je použiteľná.
Toto je metóda, ktorú používa filter prachu a škrabancov.
Pri väčšom impulznom šume je potrebné siahnuť po poloautomatickej retuši, pri ktorej sa vady obrazu eliminujú nahradením chybných pixelov farebnými pixelmi z ich bezprostredného okolia. Pixel sa vyberie z bezprostredného okolia a umiestni sa na chybné miesto.
V softvéri sa tento postup nazýva pečiatka a vyžaduje značnú časovú investíciu. Predtým, ako pristúpite k takémuto postupu, je potrebné počas reprodukcie analyzovať obraz v mierke zväčšenia a odstrániť chyby, ktoré budú v tejto mierke viditeľné. V zásade rovnaký postup je možné použiť aj pri redakčnej korekcii, kedy je potrebné doplniť niektoré stratené detaily snímky.
Deterministický obrazový šum
Najvýraznejším predstaviteľom deterministického obrazového šumu je rastrová štruktúra obrazu, ak je ako predloha použitá tlač.
Čítanie rastrového obrázka môže viesť k nežiaducej interakcii rastrovej štruktúry obrázka s novou rastrovou štruktúrou vygenerovanou počas procesu výstupu fotografie.
Existujú dva možné spôsoby riešenia tohto problému:
1. eliminácia rastrovej štruktúry predlohy pri skenovaní a spracovaní. Na tento účel sa používajú metódy podobné metódam apertúrnej filtrácie pri čítaní obrazu s väčšou apertúrou alebo ich digitálnym analógom, teda spriemerovaním pixelov a vytvorením priemerného signálu.
Teoreticky aj experimentálne sa to ukázalo najlepšie výsledky sa získajú zosúladením veľkosti otvoru s rozmermi rastrového prvku rastrovej štruktúry predlohy. Preto je potrebné pri procese skenovania presne určiť lineatúru rastra, ktorá bola použitá v origináli a vybrať derasterizačný filter v súlade s touto lineatúrou.
Na určenie lineatúry rastra v origináli je možné použiť špeciálne testy. Niektoré moderné programy, napríklad LinoColor, umožňujú určiť lineatúru počas predbežného skenovacieho procesu a podľa nej nastaviť optimálny derastračný filter.
Nevýhody tejto eliminácie:
1) strata ostrosti obrazu;
2) v dôsledku rôznych uhlov natočenia štruktúr rastrového obrazu pre rôzne farby nedochádza k úplnej koordinácii derastračnej apertúry a štruktúry rastra a sú nevyhnutné zvyškové výkyvy v obraze (tvorba moaré).
2. čítanie štruktúry rastra s jej úplným zachovaním. Výsledkom je, že pri čítaní troch rastrových farebne oddelených obrázkov získame zachovanú rastrovú štruktúru. V skutočnosti dostaneme obrázok v systéme SMUK. Tento obrázok je potom možné preniesť do laboratória, čím sa stratia informácie o štruktúre rastra. Potom preneste celé spracovanie do laboratória a prejdite na SMUK s jeho rastrovou štruktúrou.
Na to je potrebné čítať vo vysokom rozlíšení. CopiDot je vhodný softvér na prenos SMUK do laboratória.
Súčasný problém spočíva v tom, že čítanie farebných obrázkov má značné problémy. Preto sa tento druh technológie CopiDot v súčasnosti používa na čítanie rastrovaných a farebne oddelených fotoforiem.
Zaujímavá je najmä táto technológia, ktorá sa v poslednej dobe veľmi rozvinula vďaka potrebe používať akési archívne fotorámiky C-t-P technológie(forma tlačená na počítači).
3. Prerastrovanie pomocou rastra nepravidelnej štruktúry (frekvenčne modulovaný).
Nastavenie hodnôt intenzity
Hodnoty intenzity v obraze je možné nastaviť pomocou funkcie imadjust, kde je špecifikovaný rozsah intenzít výsledného obrazu.
Pozrime sa na príklad zvýšenia kontrastu obrazu s nízkym kontrastom prerozdelením údajových hodnôt v celom rozsahu.
I = imread("pout.tif"); J = neupravené (I);
Pôvodný obrázok
Imshow(J) postava, imhist(J,64)
Obrázok ukazuje konvertovaný obrázok a jeho histogram. Všimnite si, že v dôsledku zvýšenia kontrastu obrázka vyplní histogram celý rozsah.
Konvertovaný obrázok a jeho histogram
Popis nastavenia limitu rozsahu
Pomocou funkcie imadjust je možné popísať rozsah počiatočných a výsledných hodnôt. Na tento účel funkcia imadjust špecifikuje rozsahy vo forme dvoch vektorov ako argument. Prvý vektor obsahuje najmenšie a najväčšie hodnoty intenzít pôvodného obrázku, ktoré budú zobrazené rozsahom jasov špecifikovaným v druhom vektore.
Poznámka.
Upozorňujeme, že hodnoty intenzity musia byť medzi 0 a 1, bez ohľadu na formát obrázka. Ak je obrázok vo formáte uint8, rozsah hodnôt obsahuje 255 gradácií a pre obrázok vo formáte obsahuje 65535 gradácií.
Napríklad zníženie kontrastu obrazu sa dosiahne znížením rozsahu intenzity. Na obrázku nižšie je mužský kabát príliš tmavý a nevykazuje žiadne detaily. To sa však dá opraviť pomocou funkcie imadjust mapovaním rozsahu pôvodného obrázka uint8 na rozsah konvertovaného obrázka. Táto konverzia výrazne rozšíri dynamický rozsah a zlepší vizuálne vnímanie tmavých oblastí obrazu. Všimnite si tiež, že všetky hodnoty intenzity nad 51 sa zobrazia ako 255, t.j. biely.
I = imread("kameraman.tif"); J = neupravené (I,,); imshow(I) postava, imshow(J)
Obrázok po konverzii dynamického rozsahu
Nastavenie limitov automatickej korekcie
Pri použití funkcie imadjust sú zvyčajne dva hlavné kroky:
- Pozrite si histogram a určte hranice hodnôt intenzity.
- Opíšte tieto hranice pre neskoršie použitie vo funkcii imadjust.
Jednoduchší spôsob, ako opísať tieto hranice, je použiť funkciu stretchlim.
Táto funkcia vypočítava histogram snímky a automaticky určuje hranice úpravy rozsahu. Funkcia stretchlim vracia tieto hodnoty ako vektor, ktorý sa používa ako argument vo funkcii imadjust. Napríklad,
I = imread("ryža.png"); J = imadjust(I,stretchlim(I),);
V predvolenom nastavení používa stretchlim hodnoty intenzity, ktoré predstavujú spodné 1 % (0,01) a horné 1 % (0,99) rozsahu ako limity nastavenia.
Gamma korekcia
Funkcia imadjust robí najmenšie hodnoty ešte menšie a najväčšie hodnoty ešte väčšie. V predvolenom nastavení sa stredné hodnoty zobrazujú lineárne. Napríklad hodnoty intenzity, ktoré sú v strede rozsahu intenzity pôvodného obrázku, zodpovedajú tým hodnotám intenzity, ktoré sú v strede rozsahu transformovaného obrázku.
Vo funkcii imadjust môžete zadať ďalší argument, ktorý popisuje stupeň gama korekcie. V závislosti od hodnoty gama nemusí byť vzťah medzi hodnotami pôvodných a konvertovaných obrázkov lineárny. Preto hodnoty intenzity, ktoré sú v strede rozsahu intenzity pôvodného obrázku, nezodpovedajú tým hodnotám intenzity, ktoré sú v strede rozsahu transformovaného obrázku.
Parameter gama môže nadobúdať hodnoty od 0 do nekonečna. Ak je gama 1 (predvolená), transformácia je lineárna. Ak je gama menšia ako 1, potom sa rozsah s malými hodnotami intenzity stlačí a rozsah s veľkými hodnotami intenzity sa roztiahne. Ak je gama väčšia ako 1, potom naopak - rozsah s malými hodnotami intenzity sa natiahne a rozsah s veľkými hodnotami intenzity sa natiahne.
Vyššie uvedené je znázornené na obrázku. Tri konverzné krivky zobrazujú zobrazenie hodnôt intenzity pri rôzne významy gama - menšie ako, rovné a väčšie ako jedna. (Na obrázku súradnica x predstavuje hodnoty intenzity pôvodného obrázku a súradnica y predstavuje hodnoty intenzity výsledného obrázku.)
Zobrazuje tri rôzne nastavenia gama korekcie
Pozrime sa na príklad gama korekcie obrazu. Všimnite si, že pri použití funkcie imadjust sú rozsahy údajov zdroja a výsledných obrázkov opísané ako prázdne matice. Ak sú takto popísané, t.j. ako prázdne matice využíva funkcia imadjust celý rozsah. Výsledok tohto prístupu je znázornený na obrázku.
Imread("les.tif") I = ind2gray(X,mapa); J = neupravené (I,,,0,5); imshow(I) postava, imshow(J)
Obrázok pred a po aplikácii gama korekcie
Adaptívne vyrovnávanie histogramu s obmedzeným kontrastom
Alternatívou je použitie funkcie histeq, ktorá vykonáva adaptívne vyrovnávanie histogramu s obmedzením kontrastu pomocou funkcie adapthisteq. Funkcia pracuje s celým obrázkom a funkcia adapthisteq dokáže pracovať s malými oblasťami obrázka. Zvyšuje sa kontrast každej časti obrazu, čo súvisí so zmenou tvaru histogramu. Po vykonaní ekvalizácie funkcia adapthisteq zlúči okraje miestnych regiónov pomocou bilineárnej interpolácie, čím sa odstránia umelo vytvorené hranice.
Aby ste sa vyhli zvyšovaniu šumu v obrazoch, môžete použiť funkciu adapthisteq so špeciálnymi parametrami na obmedzenie kontrastu, čo je dôležité najmä pre homogénne (jednotné) plochy.
Pre ilustráciu zvážte použitie funkcie adapthisteq pri korekcii kontrastu na obrázku. Pôvodný obrázok má nízky kontrast, pričom väčšina hodnôt intenzity je sústredená v strede rozsahu. Funkcia adapthisteq rozdeľuje hodnoty intenzity rovnomerne v celom rozsahu.
I = imread("pout.tif"); J = adapthisteq(I); imshow(I) postava, imshow(J)
Obrázok po spracovaní pomocou adaptívneho vyrovnávania histogramu s obmedzeným kontrastom (a jeho histogramu)
Dekorelačný úsek
Dekorelačné roztiahnutie zlepšuje pomer farieb v obrázku, pričom zohľadňuje korelačné závislosti. Pri vylepšovaní obrázkov je veľmi dôležité nájsť hranicu vylepšovania, aby nadmerné vylepšovanie neviedlo k neexistujúcim detailom. Preto je vhodné použiť metódu decorrelation stretching, ktorú realizuje funkcia decorrstretch.
Vo väčšine prípadov je počet farieb NBANDS na obrázku tri. Funkciu dekorelácie je možné použiť bez ohľadu na počet farieb vo zväzku.
Pri prevode hodnôt pôvodných farieb obrázka sa rozsah zobrazenia vo väčšine prípadov zväčší. Intenzity farieb každého pixelu sa prevedú do vlastného farebného priestoru pomocou kovariančnej alebo korelačnej matice s rozmerom NBANDSxNBANDS, roztiahnu sa, zarovnajú a spätne sa transformujú.
Príklad napínania dekorelácie
Aplikujme operácie dekorelácie a roztiahnutia na niektoré obrázky z knižnice, ktorá sa nachádza v adresári imdemos systému Matlab. Knižnica obsahuje LANDSAT obrázok malej rieky v Colorade. Spracujme tento obrázok pomocou metódy naťahovania dekorelácie:
- Obrázok pozostáva zo siedmich pásov, ktoré musia byť reprezentované tromi viditeľnými farbami: A = multibandread("littlecoriver.lan", , ... "uint8=>uint8", 128, "bil", "ieee-le", . .. ("Kapela","Priame"));
- Vykonajte naťahovanie dekorelácie: B = decorrstetch(A);
- Vizualizácia výsledkov: imshow(A); obrázok; imshow(B)
Porovnajme dva obrázky. Pôvodný obrázok má výrazný fialový (červeno-modrý) odtieň a výsledný obrázok má širší rozsah farieb.
Obrázok malej rieky v Colorade pred (vľavo) a po (vpravo) natiahnutím dekorácie
Ukážme si rozloženie farieb rôznych rozsahov obrázkov pred a po dekorelácii a zarovnaní:
RA = A(:,:,1); gA = A(:,:,2); bA = A(:,:,3); obrázok, plot3(rA(:),gA(:),bA(:),"."); grid("on") xlabel("Červená (pásmo 3)"); ylabel("Zelená (pásmo 2)"); ... zlabel("Modrá (1. pásmo)") rB = B(:,:,1); gB = B(:,:,2); bB = B(:,:,3); obrázok, plot3(rB(:),gB(:),bB(:),"."); grid("on") xlabel("Červená (pásmo 3)"); ylabel("Zelená (pásmo 2)"); ... zlabel("Modrá (pásmo 1)")
Rozloženie farieb rôznych rozsahov obrazu pred a po dekorelácii a vyrovnaní
Dodatočné lineárne kontrastné roztiahnutie
Teraz uvažujme o rovnakej transformácii, ale budeme hovoriť o lineárnom kontrastnom strečingu, ktorý je použiteľný po natiahnutí dekorelácie:
Imshow(A); C = dekorstretch(A,"Tol",0,01); obrázok; imshow(C)
Porovnajme pôvodné a skonvertované obrázky.
Obrázok malej rieky v Colorade po natiahnutí dekorelácie a lineárnom kontrastnom natiahnutí
Lineárne kontrastné roztiahnutie je ďalším dodatočným prostriedkom na vylepšenie po roztiahnutí farebného rozsahu obrazu. V našom prípade sa roztiahnutie farebnej škály týka každej farebnej zložky.
Podrobnejšie informácie nájdete v popise funkcie stretchlim.
Poznámka.
Lineárny kontrastný strečing možno použiť ako samostatnú operáciu po vykonaní dekorelačného strečingu pomocou funkcií stretchlim a imadjust. Toto je jeden z alternatívnych spôsobov, ktorý však často nevedie k dobrým výsledkom pre obrázky, ktoré sú reprezentované vo formáte uint8 a uint16. Tento výsledok sa vysvetľuje distribúciou pixelov v rozsahu (alebo ). Možnosti funkcie decorrstetch vám umožňujú obísť toto obmedzenie.
Odstránenie hluku
Digitálne obrázky sú vystavené rôznym typom šumu. Existuje niekoľko hlavných príčin šumu, ktoré závisia aj od spôsobu zobrazovania. Napríklad:
- Ak je obraz získaný skenovaním fotografického filmu, zrná filmu sú zdrojom šumu. Výskyt hluku môže byť tiež vysvetlený poškodením samotného filmu alebo spôsobeným skenovacím zariadením.
- Ak je obraz snímaný digitálne, zdrojom šumu je mechanizmus generovania dát (CCD detektor, kvantizácia).
- Zdrojom šumu môže byť aj elektronický prenos obrazových údajov.
Aplikácia poskytuje niekoľko spôsobov, ako úplne alebo čiastočne odstrániť šum z obrázkov. Na elimináciu rôznych typov hluku boli vyvinuté rôzne metódy. Medzi nimi
- Použitie lineárneho filtrovania;
- Použitie stredného filtrovania;
- Použitie adaptívneho filtrovania.
Na demonštráciu efektu vyššie uvedených metód má aplikácia funkciu imnoise, ktorá pridáva na obrázku Rôzne druhy hluk. Pozrime sa na príklady použitia tejto funkcie.
Použitie lineárneho filtrovania
Na odstránenie špecifických typov šumu je možné použiť lineárne filtrovanie. Na to sú vhodné filtre ako priemerný a Gaussov filter. Priemerný filter sa napríklad používa na odstránenie zrna z obrázkov. Keďže hodnota intenzity každého pixelu sa rovná priemernej intenzite okolitých pixelov, výsledkom je potlačenie zrnitosti.
Použitie mediánového filtrovania
Mediánové filtrovanie je podobné ako pri použití filtra s priemerovaním, kde hodnota intenzity každého pixelu je priemerom intenzít pixelov zodpovedajúceho okolia. V mnohých prípadoch je použitie mediánového filtra na vyriešenie problémov s odstránením šumu efektívnejšie ako konvenčné spriemerovanie. Použitie mediánového filtrovania vedie k menšiemu skresleniu hraníc v porovnaní s operáciou spriemerovania. Funkcia medfilt2 vykonáva filtrovanie mediánu.
Poznámka.
Mediánové filtrovanie je štatistické filtrovanie objednávok a je známe aj ako filtrovanie podľa poradia. Podrobnejšie informácie nájdete v popise funkcie ordfilt2.
Pozrime sa na príklad porovnávajúci použitie filtra spriemerovania a funkcie medfilt2 na odstránenie šumu soli a korenia. Účinok tohto typu šumu je taký, že náhodne vybrané pixely sa stanú čiernymi alebo bielymi (to znamená, že sú im priradené extrémne hodnoty z existujúceho rozsahu). V oboch prípadoch je veľkosť použitého susedstva 3x3.
Použitie adaptívneho filtrovania
Funkcia wiener2 je založená na Wienerovom filtri (typ lineárneho filtra) na adaptívne lokálne spracovanie obrazu. Ak je štandardná odchýlka intenzity pixelov v danej lokálnej oblasti veľká, potom wiener2 vykoná malé vyhladenie. Ak je táto odchýlka malá, potom je plocha vyhladzovania väčšia.
Tento prístup je často efektívnejší ako konvenčné lineárne filtrovanie. Ďalšou výhodou adaptívneho filtra je, že zachováva okraje a iné vysokofrekvenčné časti obrazových objektov. Wienerov filter však vyžaduje viac výpočtového času ako lineárny filter.
Funkcia wiener2 funguje lepšie s „bielym“ šumom, ako je napríklad Gaussov šum. Zoberme si príklad použitia funkcie wiener2 na spracovanie obrazu Saturna, ktorý je zašumený Gaussovým šumom. Pre interaktívnu ukážku filtrovania hluku môžete použiť nrfiltdemo.
RGB = imread("saturn.png"); I = rgb2gray(RGB); J = imnoise(I,"gaussian",0,0,005); K = wiener2(J,); imshow(J) postava, imshow(K)
Obraz so šumom (vľavo) a filtrovaný obraz (vpravo)
Na demonštráciu fungovania metód redukcie šumu sa používajú obrázky s rôznymi typmi šumu. Na generovanie týchto obrázkov sa používa funkcia imnoise. Mimochodom, obrázky zobrazené v tejto časti sú generované pomocou tejto funkcie.
V prvej časti tejto lekcie sme sa pozreli na dôvody vzniku šumu na fotografii, na jeho zložky a na to, čo robiť, aby sme ich výskyt nevyprovokovali. V tomto návode sa naučíme, ako znížiť hluk v Photoshop, Capture One, Digital Photo Professional A Lightroom. Všetky tieto programy majú nástroj na zníženie šumu vo fotografii, ktorý sa v žargóne fotografov nazýva " redukcia hluku».
- V tejto fáze je potrebné pochopiť, že:
- Ak sú pri fotení len dve alternatívy: zobrať záber bez šumu (nízka citlivosť matice fotoaparátu), ale rozmazaný, alebo so šumom, ale ostrý, tak volím druhú možnosť. Pretože sa nemôžete zbaviť rozmazania, ale stále môžete bojovať proti hluku.
- Nie vždy je potrebné šum z fotografie úplne odstrániť, často stačí len znížiť jeho úroveň na prijateľnú úroveň.
- Jas a chromatický šum sa odstraňujú odlišne.
- Pri 100% mierke obrazu na monitore vidíme šum niekoľkonásobne väčší, ako bude na výtlačku, v tlačenej publikácii alebo online fotoalbume.
Tento tutoriál obsahuje veľké fotografie, ktoré sa automaticky upravia, ak je veľkosť obrazovky menšia, než je potrebné. Keď sa to stane, v pravom hornom rohu fotografie sa zobrazí tlačidlo na priblíženie na 100 %. Iba táto stupnica vám umožní presne posúdiť silu a veľkosť hluku. Ak chcete zobraziť tie časti ilustrácie, ktoré sú skryté, potiahnite obrázok myšou cez jeho strednú časť. Ak chcete fotografiu zavrieť a vrátiť sa k článku, stlačte kláves Esc.
Počiatočné podmienky: Všetky redukcie šumu v mojom fotoaparáte sú vypnuté, filmovanie prebieha v RAW formát, citlivosť je nastavená na 3200 jednotiek (tuto hodnotu stále povoľujem pri fotografovaní) a 6400 jednotiek (uvidíme, či túto citlivosť môžem použiť v núdzi). Na kontrolu sa snímka nasnímala s citlivosťou matice 100 jednotiek. Pre všetky snímky bola vykonaná kompenzácia expozície +0,5 kroku. To mierne zvýšilo úroveň šumu na fotografiách, ale pri fotografovaní sa vyskytujú chyby expozície, takže táto korekcia je bližšie praktickú situáciu pre fotografa. Testovacie obrázky boli vystrihnuté ( fotka 1): a) fragment z obalu potravín Shnyr (na kontrolu ostrosti textu a skreslenia farieb); b) stupnica s poľami rôznej svetlosti (kontrola sily hluku v rôznych tóninách); c) fragment tela bájnej bytosti Gava (pre väčšiu krásu). Zapnuté fotka 2 vidíme, že so zvyšujúcou sa citlivosťou rastú šumové škvrny na všetkých cieľových poliach, čo je celkom prirodzené a očakávané.
Foto 1: testovacia fotografia.
Fotografia 2: zvýšenie citlivosti matrice fotoaparátu vedie k zvýšenému šumu.
Fotografia 3: Zníženie jasového šumu znižuje ostrosť jemných detailov na fotografii.
Ako odstrániť šum vo Photoshope.
Ach, vtipálci, nefotili ste vo formáte RAW alebo ste nezabudli odstrániť šum vo fáze konverzie súboru RAW? Niekedy sa to stane. Otvorte našu fotografiu vo Photoshope a potom prejdite do ponuky: Filter > Noise > Reduce Noise... (Filter > Noise > Reduce Noise...). Tu je naša prvá testovaná redukcia hluku.
Hluk svietivosti. Sú to prvé dva posuvníky (Strength and Preserve Details), ktoré sú zodpovedné za jej zmenšenie. Ak potiahneme Sila k pravému okraju, uvidíme, že jasový šum sa zníži, ale text bude tiež rozmazanejší ( fotka 3). Hlavné zlo jasového šumu: boj s ním vedie k zníženiu ostrosti a detailov fotografie. Pozorný čitateľ si všimne, že posuvník Preserve Details je navrhnutý presne tak, aby obraz nestratil na kvalite. Posuňte druhý posúvač ďalej doprava a uvidíte, že sa vráti ostrosť a detaily. Spolu s ním sa však vracia aj hluk, ukazuje sa, že „šidlo sme vymenili za mydlo“. Nastavenia, ktoré som použil pre ISO 3200: Sila – 9, Zachovať detaily 6 %. Ak vaša fotografia nemá malé detaily, ako je text, textúra, možnosť Zachovať detaily sa dá znížiť na 0. Pre ISO 6400 sa tieto nastavenia ukázali ako slabé, takže som zvýšil silu na 10 a detaily sa znížili na 3 %, trochu na úkor ostrosti textu ( fotka 5).
Chromatický (farebný) šum vyzerá ako menšie zlo. Posunutím jazdca Znížiť farebný šum na maximálnu hodnotu ( fotka 4) ostrosť textu sa nezníži, farebný šum takmer zmizne, ale malé predmety stratia sýtosť farieb (pozrite sa na červené a modré pole). Všimnite si tiež, že okolo červených matríc sa vytvára farebné halo. Niekedy môže byť takáto zmena farby malých detailov kritická a nemožno ju odfotografovať. Preto by sme sa mali snažiť použiť redukciu šumu v minimálnom rozsahu: pre ISO 3200 som použil hodnotu Reduce Color Noise 70% a pre ISO 6400 - 100%.
Zapnuté fotky 5 a 6 vidíte výsledok práce na redukcii šumu vo Photoshope. Ak sa pri ISO 3200 po redukcii šumu prejaví šum na znesiteľnej úrovni a je tam ešte nejaká rezerva na väčšie potlačenie, tak pri ISO 6400 sú už na nejaké to fotenie prehnané a snažil by som sa všemožne vyhnúť použitiu tejto citlivosti snímača .
Fotografia 4: Zníženie farebného šumu môže viesť k zníženiu sýtosti farieb detailov a zdvojeniu farieb.
Fotografia 5: znížený šum vo Photoshope, ISO 3200.
Fotografia 6: výsledok aplikácie redukcie šumu Photoshopu pre ISO 6400.
Závery: Zníženie jasového šumu nie je možné bez zníženia ostrosti fotografie. Použitie redukcie šumu umožňuje použiť citlivosť 3200 jednotiek, ale citlivosť 6400 nemusí vyhovovať zvýšeným požiadavkám na fotografickú kvalitu. Ak robíte fotografie pre internet alebo malé tlače, potom môžem použiť citlivosť 6400 jednotiek. Znížením jasového šumu pri fotografii sa nezbavíme chromatického šumu a naopak.
Zníženie chromatického šumu vo fotografii môže divák niekedy ostať nepovšimnutý. Ak je však pri snímaní dôležitá presnosť farieb v malých detailoch, potom je nadmerné používanie nastavení redukcie šumu vo Photoshope neprijateľné, napr. fotografovanie predmetov alebo pri fotografovaní jedla. Čím „šetrnejšie“ nastavenia redukcie šumu použijeme (nielen vo Photoshope, ale všeobecne), tým kvalitnejší je náš obrázok po spracovaní.
Profesionálna digitálna fotografia
Druhý som si vybral pre túto hodinu Canon Digital Photo Professional(ďalej len DPP). Ide o veľmi jednoduchý konvertor súborov RAW pre fotoaparáty Canon a práve s jeho pomocou zoznamujem študentov fotografického kurzu pre začiatočníkov s možnosťami formátu RAW. Aby ste sa dostali k redukcii šumu DPP, musíte vybrať kartu NR/Lens/AOL na palete nástrojov. Nás samozrejme zaujíma blok Noise reduction, ktorý obsahuje len dva posuvníky: Luminance... - pre zníženie jasu šumu a Chrominance... - pre chromatické ( fotka 7). Rovnako ako pri redukcii šumu vo Photoshope som sa pokúsil použiť rovnaké nastavenia v programe DPP, aby sa zachovala rovnováha kvality pre malé detaily a hladké povrchy. Pre ISO 3200 boli použité nasledujúce parametre: Luminance - 7, Chrominance - 12 ( fotka 8). Pre ISO 6400 - 12 a 20 v tomto poradí ( fotka 9). Výsledok je veľmi podobný tomu, ktorý ste získali pri redukcii šumu vo Photoshope.
Nastavenie redukcie hluku v DPP. Všimol som si, že keď je redukcia šumu môjho fotoaparátu vypnutá, DPP aplikuje vlastnú redukciu šumu na RAW súbory. Nie je vhodné zakaždým vypínať redukciu šumu fotografií, takže sa musíte uistiť, že ju DPP štandardne neaplikuje. Ak to chcete urobiť, prejdite do nastavení DPP (klávesy Ctrl + K), prejdite na kartu Paleta nástrojov, zapnite prepínač Nastaviť ako predvolené, nastavte všetky posuvníky na 0, kliknite na tlačidlo OK a reštartujte DPP ( fotka 10).
Fotografia 7: Redukcia šumu Canon Digital Photo Professional.
Fotografia 8: výsledok aplikácie redukcie šumu DPP pre ISO 3200.
Fotografia 9: výsledok použitia rovnakej redukcie šumu pre ISO 6400.
Fotografia 10: Nastavenia redukcie šumu DPP.
Capture One
Dnes je Capture One mojím hlavným konvertorom súborov RAW. Rovnako ako v prípade DPP, jeho zníženie hluku ( fotka 11) nie je zakázaná a použije sa na súbor RAW bez ohľadu na nastavenia fotoaparátu. Navyše aj vtedy, keď nie je potrebné znižovať šum, napríklad nízkou citlivosťou. Urobil som malý prieskum o algoritme redukcie šumu v Capture One a zaujal ma natoľko, že som sa rozhodol prečítať si nápovedu tohto RAW konvertora. Žiaľ, nenašiel som žiadne užitočné informácie o princípoch redukcie šumu v Capture One. Preto budú výsledky mojich dohadov, predpokladov a výskumov popísané nižšie.
Podľa pomocníka Capture One, redukcia šumu tohto prevodníka po analýze súboru zmení svoje nastavenia. Priznám sa, že za niekoľko rokov práce v Capture One som jeho nastavenia redukcie šumu upravil len niekoľkokrát. Odhlučnenie funguje v automatickom režime tak jemne, inteligentne, nevtieravo a vynikajúco, že som na jeho existenciu jednoducho zabudol.
Prvá vec, ktorú som skontroloval, bolo, ako sa zlepší moja fotografia, keď odstránim nastavenia redukcie šumu pre ISO 100. A nič sa nestalo. To znamená, že ak nie je žiadny šum, potom potlačenie hluku nefunguje. Potom som si všimol, že pri zvyšovaní citlivosti sa zmenila iba hodnota Color (vplyv na farebný šum), ale nie Luminance (šum jasu). Potom som predpokladal, že kedy rovnakú hodnotu Jas a so zvyšujúcou sa citlivosťou sa bude zvyšovať aj šum jasu úmerne tomu, čo sa stane pri absencii redukcie šumu. Nie tak. Hluk sa zvýšil, ale nie tak výrazne. Nebudem hádať, ako sa to stane, ale výsledok inteligencie Capture One ma potešil.
V nasledujúcom experimente som sa snažil nájsť minimálnu hodnotu nastavení redukcie šumu, ktorá by ma uspokojila, a porovnať o koľko mäkšie sú moje nastavenia s predvolenými nastaveniami, ktoré ponúka Capture One. Zmeny boli také malé, že ich možno ignorovať: pre ISO 3200 Capture One navrhli hodnoty 25 a 54 (jas a farba), ale zistil som, že sú prijateľné mäkšie hodnoty: 20 a 50. Pri ISO 6400 ma vlastné nastavenia redukcie šumu Capture One úplne uspokojili a nedotkol som sa ich (25 a 57).
Existuje niekoľko ďalších zariadení, vďaka ktorým je potlačenie hluku ešte efektívnejšie. Surface redukuje veľké šumové škvrny na hladkých povrchoch s nízkym kontrastom bez ovplyvnenia jemných detailov, ako je text (hodnota 70 pre ISO 3200 a 90 pre ISO 6400). Single Pixel umožňuje odstrániť jednopixelový šum (jednotlivé vyradené pixely) bez straty jemných detailov. Je pravda, že takéto pixely sa objavia iba pri ISO 6400 alebo pri prehriatí matrice v režime živého náhľadu. Napriek tomu, že test redukcie šumu používal citlivosť matice 6400 jednotiek, toto nastavenie Capture one som nepoužil, keďže vplyv hlavných nástrojov bol dostatočný.
S kvalitou a schopnosťou redukcie šumu Capture One som veľmi spokojný. Na rozdiel od zariadení na redukciu šumu diskutovaných vyššie, Capture One nevytvára farebné halo ani neznižuje sýtosť farieb v malých detailoch fotografie. Farebný šum v zatienených oblastiach je tiež potláčaný výrazne lepšie ako predchádzajúci konkurenti. To naznačuje vysokú kvalitu algoritmu redukcie farebného šumu. Akcia povrchu tiež spôsobuje, že šum jasu je slabší, najmä na rovných povrchoch.
Výsledky redukcie šumu v Capture One môžete vidieť na fotky 12 a 13. Ostáva však otestovať konkurenta medzi RAW konvertormi – redukciu šumu v Lightroome.
Fotografia 11: Redukcia šumu Capture One.
Fotografia 12: výsledok použitia redukcie šumu Capture One pre ISO 3200.
Fotografia 13: výsledok použitia rovnakej redukcie šumu pre ISO 6400.
Lightroom a Adobe Camera RAW
Dokonca som si stiahol nový Lightroom - 4.3... Vo všetkých predchádzajúcich verziách Lightroom bolo jeho odhlučnenie podľa používateľov považované za slabý článok a neodporúčalo sa používať. Tie. po konverzii súborov RAW do Zníženie Lightroomšum musel byť urobený vo Photoshope. Ale systém redukcie šumu Photoshopu má oveľa nižšiu kvalitu ako aspoň Capture One a tento reťazec (Lightroom > Photoshop) nemôžem odporučiť na redukciu šumu. Na fórach som narazil na zmienku, že počnúc štvrtou verziou bola vylepšená redukcia hluku Lightroom. Keďže som si chcel tieto informácie ujasniť so skúsenými používateľmi, opäť som sa ocitol na fórach Lightroom. A to, čo som tam čítal, ma vôbec nepotešilo: spomalenia, problémy s prevádzkou, závady, vo všeobecnosti je všetko ako vždy s konvertorom súborov RAW od Adobe. To ma konečne odradilo od inštalácie Lightroom a namiesto jeho redukcie šumu otestujem podobný nástroj Photoshopu – Adobe Camera RAW. Už dlho som si všimol, že nastavenia týchto dvoch produktov Adobe sú identické a vedú k rovnakým výsledkom po spracovaní súborov RAW. To znamená, že prevádzkové algoritmy oboch programov sú rovnaké (bolo by zvláštne, keby jeden výrobca vyrobil dve verzie redukcie šumu). Ak sa mýlim a máte na to dobré dôvody, dajte mi vedieť.
Ak chcete znížiť šum v Adobe Camera RAW, musíte prejsť na kartu Podrobnosti. Táto redukcia šumu má viac nastavení ako redukcia šumu vo Photoshope (foto 14). V predvolenom nastavení pre súbory s oboma citlivosťami Camera RAW navrhuje neznižovať jasový šum, ale znižovať farebný šum (Jas – 0, Farba – 25, Detail farieb – 50). Pri týchto nastaveniach je farebný šum krásne potlačený a (rovnako ako v Capture One) nepozorujem žiadne farebné ghostingy. úžasné. Posuvník Color Detail pomáha upraviť (vrátiť) sýtosť farieb pre malé detaily (nezabudnite, že to bol problém v redukcii šumu Photoshopu). Hodnotu Color Detail som nechal ako predvolenú, t.j. 50. Ale znížil som hlavné nastavenie Color na 15 (pre ISO 3200) a 20 (ISO 6400).
Zvýraznené škvrny na hladkých povrchoch zostali viditeľné, ale nenápadné pri nastaveniach jasu 55 (pri ISO 3200) a 70 (ISO 6400), ale viedli k miernemu zníženiu detailov textu. Preto som zvolil kompromisnú hodnotu Luminance Detail 40 (pre ISO 3200) a 50 (ISO 6400).
Veľmi sa mi páčilo, ako Adobe Camera RAW znižuje šum ( fotky 15 a 16), že som uvažoval o prípustnosti širšieho použitia citlivosti 6400 na mojom fotoaparáte. Ak by sme k tejto redukcii šumu pridali nastavenie Surface ako v Capture One, potom by to nemalo obdobu. Som zvedavý, ako budú na konci tejto fotografickej lekcie miesta rozdelené medzi lídrov v oblasti redukcie šumu.
Fotografia 14: Redukcia šumu Adobe Camera RAW (nastavenia sú totožné s Lightroom).
Fotografia 15: výsledok použitia redukcie šumu Adobe Camera RAW pre ISO 3200.
Fotografia 16: výsledok použitia rovnakej redukcie šumu pre ISO 6400.
Výsledky testu redukcie hluku
Výsledky testu redukcie šumu na fotografiách 17 a 18: najhoršie sú hore, najlepšie dole. Pri fotení na vysoké citlivosti neodporúčam používať Photoshop redukciu šumu pre rastrové obrázky a Canon Digital Photo Professional. Hlavným dôvodom sú výrazné farebné halo okolo farebných častí na fotografii. V týchto tlmičoch hluku je tiež ťažké nájsť kompromis medzi úrovňou jasového šumu na hladkých povrchoch a ostrosťou malých detailov. Capture One oproti prvým dvom vyzerá vo výhodnej polohe, kým do hry nepríde redukcia šumu Adobe Camera RAW. Ten druhý ukázal, že v mnohých prípadoch môžem použiť citlivosť 6400 aj na komerčné fotografovanie: úžasné zníženie jasového šumu pre hladké povrchy pri zachovaní jemných detailov a dobrá práca na zníženie farebného šumu. Nerozumiem, na čo sa ľudia pracujúci v Lightroom sťažujú?
Fotografia 17: porovnávacia tabuľka redukcia šumu pre ISO 3200.
Fotografia 18: Porovnávacia tabuľka redukcie šumu pre ISO 6400.
Fotografia 19: Očarujúci hluk.
Záver
Ak chcete pri fotografovaní použiť vysoké hodnoty citlivosti, začnite bojovať proti hluku vo fáze fotografovania - fotografujte vo formáte RAW. Neprenášajte proces redukcie šumu do Photoshopu v konvertore RAW pri oprave fotografií. Použite konvertor, ktorý zníži šum pri fotografovaní s menšími stratami (a straty sú nevyhnutné). Použite minimálne nastavenia redukcie šumu.
Ak má fotografia silný šum, v niektorých prípadoch sa môžete obmedziť len na redukciu farebných škvŕn. Zvyšný jasový šum bude veľmi podobný zrnu filmu. Niekedy je táto imitácia zrna dokonca výhodnejšia ako plynulý obraz digitálneho fotoaparátu. Napríklad, ak štylizujete fotografiu ako starožitnosť. V iných prípadoch môže zrno dodať fotografii určité čaro ( fotka 19). Nie nadarmo existujú filtre Photoshopu, ktoré vytvárajú podobné filmové zrno. Toto je však téma na inú lekciu.
PS: Tento test redukcie šumu nepoužil najnovšie verzie Adobe Camera RAW a Capture One. Preto je možné, že algoritmy redukcie šumu v týchto programoch sú ešte pokročilejšie.
PPS: Nerob hluk!
Šum obrázka môže znížiť úroveň detailov na digitálnych alebo analógových fotografiách, a preto zníženie šumu môže výrazne zlepšiť váš obrázok pri zobrazení na obrazovke alebo pri tlači. Problém je v tom, že väčšina techník redukcie šumu alebo odstránenia vždy skončí zmäkčením obrazu.
Určité zmäkčenie môže byť prijateľné pre zábery, na ktorých je väčšinou hladká voda alebo obloha, ale napríklad lístie stromov v krajine môže byť výrazne ovplyvnené aj minimálnymi pokusmi o zníženie šumu.
V tomto článku porovnáme niekoľko bežných techník redukcie šumu a tiež opíšeme alternatívnu techniku: spriemerovanie viacerých záberov pri rôznych rýchlostiach uzávierky na zníženie šumu. Spriemerovanie obrazu sa často používa pri fotografovaní hviezdnej oblohy, ale nemusí byť vhodné pre iné typy fotografovania pri slabom osvetlení a nočnej fotografie.
Spriemerovaním môžeme znížiť úroveň šumu bez obetovania detailov, pretože v skutočnosti zvyšuje pomer signálu k šumu ( SNR) vášho obrázka. Bonusom navyše je, že spriemerovanie môže tiež zvýšiť bitovú hĺbku.
Spriemerovanie môže byť užitočné aj pre tých, ktorí chcú simulovať plynulosť ISO 100, ale ich fotoaparát podporuje iba ISO 200 ( ako väčšina modelov digitálnych zrkadloviek Nikon).
Všeobecná koncepcia
Priemerovanie obrázkov funguje na základe predpokladu, že šum na obrázku je skutočne náhodný. Takto sa postupne odstraňujú náhodné výkyvy nad a pod skutočnými obrazovými dátami, čím sa vytvorí jeden priemerný obraz z viacerých.
Ak by ste nasnímali dve snímky hladkého šedého bodu s použitím rovnakých nastavení fotoaparátu a za rovnakých podmienok ( teplota, osvetlenie a pod..), potom by ste dostali obrázky podobné tým, ktoré sú zobrazené v grafe nižšie:
Vyššie uvedená časť grafu predstavuje vo forme modrých a červených pruhov kolísanie jasu pixelov horného a dolného obrázka. Bodkovaná vodorovná čiara predstavuje priemer alebo ako by oblasť vyzerala, keby bola hladina hluku nulová.
Všimnite si, že červená aj modrá čiara pretínajú nulovú značku nahor a nadol. Ak vezmeme hodnotu pixelov v každom bode pozdĺž tejto čiary a spriemerujeme horný a spodný obrázok v tomto bode, zmena jasu bude vyzerať takto:
Aj keď vezmeme do úvahy, že graf spriemerovaných hodnôt stále prekračuje nulovú značku, amplitúda maximálnej odchýlky od nej sa výrazne znížila. Vizuálne sa to prejaví v podobe vyhladenia obrazu. Dva spriemerované obrázky majú zvyčajne šum porovnateľný s polovičnou citlivosťou pre nastavenia ISO. Preto sú dve spriemerované snímky nasnímané pri ISO 400 porovnateľné s jednou snímkou nasnímanou pri ISO 200 atď.
Vo všeobecnosti sa množstvo šumu chvenia zníži o hodnotu rovnajúcu sa druhej odmocnine počtu spriemerovaných obrázkov. Aby ste dosiahli 2-násobné zníženie šumu, musíte mať 4 spriemerované obrázky.
Hluk a detaily: porovnanie
Nasledujúca situácia ilustruje účinnosť spriemerovania obrazu na reálnom príklade. Táto fotografia bola nasnímaná pri ISO 1600 fotoaparátom Canon EOS 300D Digital Rebel a má príliš veľa šumu:
Všimnite si, ako spriemerovanie znižuje šum a zároveň zvyšuje detaily pre každú oblasť. Na takéto úlohy je najlepšie použiť softvér na redukciu šumu, ako napríklad Neat Image. V nasledujúcom porovnaní sme prezentovali aj výsledky získané s jeho pomocou:
Neat Image je lepšia ako iné aplikácie na redukciu šumu na oblohe, ale zároveň vedie k strate niektorých jemných detailov v konároch stromov alebo v otvorených záberoch. murivo. Na obnovenie detailov môžete použiť zaostrenie.
Tým sa zlepší vzhľad obrazu, ale zaostrenie nedokáže obnoviť stratené informácie. Filter Medián je veľmi jednoduchá metóda dostupná vo väčšine verzií Photoshopu. Vypočítava hodnotu každého pixelu na základe priemeru všetkých susedných pixelov.
Táto metóda je účinná pri odstraňovaní menšieho šumu, ale bojuje s väčším šumom a eliminuje detaily na úrovni pixelov. Celkovo je Neat Image najlepšia možnosť pre prípady, keď nemôžete použiť spriemerovanie obrázkov ( pri manuálnom snímaní).
V ideálnom prípade by ste použili kombináciu týchto dvoch metód: spriemerujte obrázky, aby ste čo najviac zvýšili pomer signálu k šumu, a potom použite Neat Image na odstránenie zostávajúceho šumu:
Redukcia šumu pomocou Neat Image Pro Plus 4.5 v predvolených nastaveniach a „automatické jemné ladenie“
Všimnite si, ako sme po použití oboch metód dokázali zachovať prehľadnosť vertikálne švy medzi tehlami a zároveň dosiahnuť nízku hladinu hluku. Medzi nevýhody metódy priemerovania patria požiadavky na objem uložených informácií ( viac obrázkových súborov pre jednu fotografiu) a prípadne dlhší čas spracovania.
Spriemerovanie nefunguje pre obrázky, ktoré majú pruhy šumu alebo šum s pevným vzorom. Všimnite si, že na obrázku vyššie jasné biele „horúce pixely“ v ľavom dolnom a hornom rohu po použití spriemerovania stále nezmizli.
Priemerovanie na rozdiel od iných metód vyžaduje nulový posun. Preto by ste pri používaní tejto techniky mali byť obzvlášť opatrní a používať ju iba na snímky zhotovené z pevne namontovaného statívu.
Spriemerovanie obrázkov vo Photoshope pomocou vrstiev
Vykonávanie priemerovania obrázkov pomocou vrstiev sa vykonáva v Adobe Photoshop pomerne rýchlo. Cieľom je umiestniť každý obrázok na oddelená vrstva a premiešajte ich tak, aby bola každá vrstva rovnomerne zahrnutá do konečného obrázka. Ak z určitých dôvodov jedna z vrstiev ovplyvňuje výsledný obrázok viac ako ostatné, prelínanie obrázkov nebude také efektívne.
Ak chcete vykonať túto techniku, musíte najprv načítať všetky obrázky, ktoré je potrebné spriemerovať, do Photoshopu a potom skopírovať a prilepiť každý jeden na druhý tak, aby boli v rovnakom okne projektu. Akonáhle to urobíte, priemerovanie môže začať.
Kľúčom je pamätať si, že vo Photoshope nepriehľadnosť každej vrstvy určuje, do akej miery „prekrvuje“ vrstvu pod ňou, a to isté platí pre každý nasledujúci obrázok nižšie. To znamená, že napríklad na správne spriemerovanie štyroch obrázkov by ste nemali nastaviť krytie každej vrstvy na 25 %.
Namiesto toho by mala byť nepriehľadnosť spodnej vrstvy (pozadie) nastavená na 100 %, vrchnej vrstvy na 50 %, ďalšej na 33 % a nakoniec vrchnej vrstvy na 25 %.
Ak chcete spriemerovať ľubovoľný počet obrázkov, percento nepriehľadnosti každej vrstvy sa vypočíta takto:
Kedy by ste mali spriemerovať obrázky namiesto jednoduchého nastavenia pomalej rýchlosti uzávierky pri nízkej citlivosti ISO? Nižšie je uvedený zoznam prípadov, kedy môže byť vyššie popísaný postup účinnejší:
- Na odstránenie príliš veľkého šumu so stálym vzorom v dôsledku dlhej rýchlosti uzávierky;
- Pri fotoaparátoch, ktoré nemajú režim lampy, môžete obmedziť rýchlosť uzávierky na 15 – 30 sekúnd. V takýchto prípadoch musíte zvážiť nasledovné: musíte urobiť dve fotografie pri citlivosti ISO 800 a rýchlosti uzávierky 30 sekúnd, aby boli približne ekvivalentné ( v úrovni jasu aj hluku) a ďalší po 60 sekundách a ISO 400. Možné sú aj iné kombinácie;
- V situáciách, keď nemôžete zaručiť prerušenie v určitom okamihu bez ovplyvnenia hardvéru snímania alebo scény. Príkladom môže byť fotografovanie na verejnom mieste, kde potrebujete nízku hladinu hluku, ale nemôžete nastaviť dostatočne dlhý čas uzávierky, pretože pred objektom neustále chodia chodci. V tomto prípade môžete urobiť niekoľko krátkych záberov medzi chodcami, ktorí prechádzajú okolo; Dobrý zlý
[0001] Vynález sa týka spôsobov odstraňovania šumu v obraze a môže sa použiť na zlepšenie kvality obrazu. Technickým výsledkom je zjednodušenie odstraňovania šumu a zlepšenie kvality výsledného digitálneho obrazu, čo je dosiahnuté konverziou jasu pixelov obrazu so šumom riešením difúznej rovnice nedivergujúcej formy, simultánne potlačenie šumu; a je zabezpečené zachovanie okrajov obrazu. 2 plat f-ly, 1 chorý.
Výkresy pre RF patent 2316816
Oblasť techniky, ktorej sa vynález týka
[0001] Vynález sa týka spôsobov odstraňovania šumu v obraze a môže sa použiť na zlepšenie kvality obrazu.
Predchádzajúci čl
Zatiaľ známe rôznymi spôsobmi odstránenie šumu z obrazu.
Napríklad US patent č. 6,463,182, Canon Kabushiki Kaisha, 10.08.2002, G06K 9/40 opisuje zariadenie na odstraňovanie šumu z obrazu a spôsob, v ktorom sú skreslené obrazové dáta rozdelené do blokov a šum je korigovaný v závislosti od polohy. každý obrazový pixel v bloku.
US patent č. 5,933,540, General Electric Company, 08.03.1999, G06K 9/00, opisuje systém a spôsob na zníženie šumu a zlepšenie kvality okrajov digitálneho obrazu určením hodnoty pozadia šumu v celom obraze. a jeho odstránenie pomocou filtračného systému.
Existuje známy spôsob odstraňovania náhodného šumu (patent US 5225915, Xerox Corporation, 07.06.1993, H04N 1/40) aplikáciou modifikovanej Laplaceovej funkcie na obrazové dáta ako filter, ktorý má maximum pri optimálnej frekvencii. na odstránenie hluku.
Najbližšie k nárokovanému vynálezu je spôsob zníženia šumu v obraze, ktorý zahŕňa použitie diferenciálnych výpočtov (neskôr Catte, Morel a kol.). Pri tejto metóde je zašumený obraz transformovaný parabolickou rovnicou, v dôsledku čoho je šum v obraze odstránený, výsledkom čoho je obraz bez šumu. Tento spôsob bol vybraný ako prototyp nárokovaného vynálezu. Nevýhodou vyššie uvedených analógov a prototypu je nestabilita riešení matematického výrazu, ktorý popisuje šum, a rozmazanie obrazu v dôsledku jeho použitia. Rozdiel spočíva v použití inej (jednoduchšej) rovnice, ktorá tieto nevýhody nemá a je ľahšie riešiteľná.
Podstata vynálezu
Cieľom nárokovaného vynálezu je vytvoriť spôsob odstraňovania šumu na okrajoch viacrozmerného obrazu, ktorý umožňuje zjednodušiť spôsob odstraňovania šumu, zlepšiť kvalitu výsledného obrazu na okrajoch, konkrétne zachovať tvar. okrajov bez ich rozmazania.
Problém bol vyriešený vytvorením metódy na odstránenie šumu z obrázka, ktorá zahŕňa fázy, v ktorých:
Viacrozmerný obraz s okrajmi pozostávajúci z pixelov a so šumom sa prijíma z externého zariadenia;
Určte jas pixelov pre súradnice v súradnicovom module 
všetky pixely viacrozmerného obrazu, kde n je počet rozmerov;
Pole údajov o jase pixelov viacrozmerného obrazu sa zapíše do pamäte;
Nasledujúce operácie sa vykonávajú vo filtri pre všetky pixely viacrozmerného obrazu:
Závislosť jasu obrazových pixelov je špecifikovaná dvojrozmernou difúznou rovnicou nedivergentného tvaru tvaru
, (1)
kde je relaxačný parameter, je funkciou pixelových súradníc viacrozmerného priestoru a relaxačného parametra, k je difúzny koeficient, 
, kde je parameter vyhladzovania výsledného obrazu v blízkosti okrajov a čím väčšia je hodnota tohto parametra m, čím slabšie je vyhladenie výsledného obrazu bez šumu v blízkosti okrajov, - parameter pre vyhladenie výsledného obrazu bez šumu v oblastiach, kde nie sú žiadne okraje, čím väčšia je hodnota tohto parametra, tým slabšie bude vyhladenie výsledného obrazu bez hluk v oblastiach, kde nie sú žiadne okraje;
Numericky vyriešte rovnicu n-rozmernej difúzie (1) s počiatočnou podmienkou 
, nájdenie riešenia pre hodnotu parametra relaxácie , ktorý určuje celkový stupeň vyhladenia výsledného obrazu bez šumu, čím väčšia je táto hodnota, tým viac je obraz vyhladený a množina pixelových súradníc výsledného obrazu bez šumu je získané;
Zaznamenajte jas pixelov konečného obrázka bez šumu do pamäte;
Výstup konečného obrazu bez šumu na zobrazovacie zariadenie.
Aby metóda fungovala, je nevyhnutné, aby externé zariadenie bolo vyrobené vo forme stereovíznej kamery, skenera, digitálny fotoaparát alebo iné podobné zariadenia.
Aby spôsob fungoval, je žiaduce, aby sa z externého zariadenia prijímal viacrozmerný obraz s okrajmi so šumom vo forme normálneho rozdelenia.
Technickým výsledkom nárokovaného vynálezu je zjednodušenie spôsobu odstraňovania šumu a zlepšenie kvality výsledného obrazu prevedením jasu pixelov obrazu so šumom riešením zadanej difúznej rovnice, čím sa zabezpečí súčasné potlačenie šumu a zachovanie okrajov. .
Pre lepšie pochopenie predloženého vynálezu je opísaný nižšie. Detailný popis s príslušnými výkresmi.
Bloková schéma systému na implementáciu nárokovaného spôsobu podľa vynálezu je znázornená na výkrese.
Systém na implementáciu nárokovaného spôsobu zahŕňa externé zariadenie 1, výpočtové zariadenie 2 a zobrazovacie zariadenie 3, pričom výpočtové zariadenie 2 obsahuje pamäť 4, modul 5 na určenie jasu a filter 6.
Pozrime sa podrobnejšie na operáciu podľa nárokovaného spôsobu.
Najprv sa z externého zariadenia 1 získa viacrozmerný obraz s okrajmi so šumom. Jas pixelov viacrozmerného obrazu je určený v module 5, kde 
A n- počet meraní. Do pamäte 4 sa zapíše pole údajov o jase pixelov viacrozmerného obrazu.
Nasledujúce operácie sa vykonávajú vo filtri 6 pre všetky pixely viacrozmerného obrazu:
nastaviť závislosť jasu pixelov viacrozmerného obrazu pomocou difúznej rovnice formulára
,
kde je neznáma funkcia, t- relaxačný parameter (jeho význam bude popísaný nižšie), X- súradnice obrazových pixelov v n-rozmerný priestor. Pre dvojrozmerné obrázky rozmer priestoru (v tomto prípade môžeme zvážiť 
), pre špeciálne typy obrázkov môže byť rozmer väčší. Rovnica zahŕňa aj 
V uvažovanom riešení sa vo formulári navrhuje použiť koeficient difúzie 
Kde . Hodnota parametra (ako aj hodnota m) ovplyvňuje stupeň vyhladenia obrazu.
Hlavným spôsobom použitia difúznej rovnice je zaobchádzať s pôvodným obrazom ako s počiatočnými údajmi pre uvedenú rovnicu v . 
Vzhľadom na vývoj riešenia s rastúcimi hodnotami parametrov t získate rôzne vyhladené verzie pôvodného obrázka. Ďalším implicitným parametrom filtra 6 je teda konečná hodnota parametra relaxácie, T. Výsledkom filtra 6 je 
Všimnite si, že keďže koeficient difúzie je nelineárna funkcia, výsledkom filtra 6 je nelineárna transformácia pôvodného obrazu. Vďaka tomu je proces filtrovania závislý od obrazu. Rôzne obrázky sú rôzne vyhladené. To trochu sťažuje univerzálne hodnotenie kvality anti-aliasingu.
Na vyriešenie vyššie uvedenej difúznej rovnice použite difúzny koeficient formulára 
Parameter súvisí s mierkou znázornenia jasu obrazu a ovplyvňuje charakter vyhladzovania obrazu v oblastiach, kde nie sú žiadne okraje. Pri malých hodnotách parametra bude vyhladzovanie silnejšie ako pri veľkých hodnotách. Hodnota tohto parametra sa zvyčajne berie ako . Parameter m ovplyvňuje vyhladenie obrazu v blízkosti hrán, čím vyššia je hodnota tohto parametra, tým slabšie bude vyhladenie v blízkosti hrán. Väčšinou stačí použiť hodnotu alebo . Parameter ovplyvňuje celkové vyhladenie obrazu. Zvýšením tohto parametra sa zvýši celkové vyhladenie pôvodného obrazu. Najvhodnejšie je brať podmienku ako okrajové podmienky na okrajoch obrázka.
Pôvodný obrázok sa navzorkuje na viacrozmernú mriežku, výsledkom čoho je matica jasu obrazu.
Vyriešte rovnicu n-rozmernej difúzie numericky. Na vyriešenie tejto rovnice sa používa implicitná diferenčná schéma s delením pomocou metódy zlomkových krokov. Riešenie rovnice pre sa získa riešením diferenčnej rovnice opísanej nižšie. Jeden úplný cyklus riešenia viacrozmernej diferenčnej rovnice zodpovedá výpočtu riešenia pre hodnotu na základe hodnôt riešenia pre hodnotu relaxačného parametra. Číselná schéma umožňuje hrubý odhad riešenia pre ľubovoľnú hodnotu v jednom kroku pre presnejšie výpočty sa odporúča urobiť niekoľko krokov s menšími hodnotami;
Vstupnými údajmi pre jeden krok výpočtu je matica jasu obrazu pri hodnote parametra. Na výstupe dostaneme hodnoty jasu at
Ako predbežný krok si vypočítame maticu difúznych koeficientov Alternatívne je možné koeficient vypočítať priamo pomocou tohto vzorca na mieste priameho použitia.
Na redukciu riešenia viacrozmernej diferenčnej rovnice na postupnosť jednorozmerných rovníc sa navrhuje použiť delenie metódou zlomkových krokov. Tu n- rozmer obrazu (priestoru).
Jeden krok na parameter t pre pôvodnú viacrozmernú rovnicu sa navrhuje nahradiť ju n postupné elementárne kroky po jednotlivých dimenziách, kde sa pri každom elementárnom kroku rieši jednorozmerná rovnica tvaru
Ako počiatočné hodnoty pre úplne prvý podkrok vezmite počiatočnú hodnotu jasu na: 
Výsledok výpočtu po n substeps je požadovaná hodnota jasu pri
Základné kroky pre parameter t vyberte si rovnú napr. 
kde je priestorová vzorkovacia frekvencia pre sieť (tento parameter môžete zadať aj na výpočet koeficientu difúzie). Význam
možno špecifikovať výrazom
Ukážme si, ako sa výsledné jednorozmerné problémy riešia. Výsledné elementárne problémy sú jednorozmerné, pretože Všetky variabilné indexy okrem sú fixné. Preto pri zvažovaní jedného takéhoto problému zahodíme konštantné indexy.
Každý elementárny problém je rozdelený do nezávislých tridiagonálnych systémov lineárne rovnice relatívne v podobe, v akej pre posudzovaný prípad 
a okrajové podmienky majú tvar 
Kde r- počet uzlov mriežky (veľkosť obrazu v pixeloch pozdĺž daného rozmeru). Na vyriešenie zadaného systému lineárnych rovníc sa používa metóda sweep: najprv sa vykoná krok priamej substitúcie: zadané rovnice sa prevedú do tvaru (vypočítajú sa koeficienty kroku, použije sa správna okrajová podmienka a
Výsledkom je, že konečný obraz bez šumu sa odošle na zobrazovacie zariadenie 3.
Hoci vyššie uvedené uskutočnenie bolo uvedené na účely ilustrácie tohto vynálezu, odborníkom v danej oblasti techniky bude jasné, že sú možné rôzne modifikácie, pridania a substitúcie bez odchýlenia sa od rozsahu a ducha tohto vynálezu, ako je uvedené v priložené nároky.
NÁROK
1. Spôsob odstraňovania šumu z obrazu zahŕňa kroky získania viacrozmerného obrazu s okrajmi pozostávajúcimi z pixelov a so šumom z externého zariadenia; jas pixelov u 0 (x) je určený v súradnicovom module pre súradnice x=(x1, ..., x n) všetkých pixelov viacrozmerného obrazu, kde n je počet rozmerov; záznam poľa údajov o jase pixelov viacrozmerného obrazu do pamäte; vykonať vo filtri pre všetky pixely viacrozmerného obrazu nasledujúce operácie: nastaviť závislosť jasu obrazových bodov pomocou dvojrozmernej difúznej rovnice nedivergentného tvaru formulára
kde t je relaxačný parameter;
u=u(x,t) - funkcia pixelových súradníc viacrozmerného priestoru a relaxačný parameter;
k - koeficient difúzie,
,
kde m>2 je parameter vyhladzovania konečného obrazu v blízkosti okrajov a čím väčšia je hodnota tohto parametra m, tým slabšie je vyhladenie konečného obrazu bez šumu v blízkosti okrajov;
M je parameter vyhladenia výsledného obrazu bez šumu v oblastiach, kde nie sú žiadne okraje, čím vyššia je hodnota tohto parametra, tým slabšie je vyhladenie výsledného obrazu bez šumu v oblastiach, kde nie sú žiadne okraje;
numericky vyriešiť n-rozmernú difúznu rovnicu (1) s počiatočnou podmienkou u(x,0)=u 0 (x), nájsť riešenie na hodnote relaxačného parametra t=T, ktorá určuje celkový stupeň vyhladenia konečný obrázok bez šumu, čím väčšia je táto hodnota, tým viac je obrázok vyhladený a získa sa množina pixelových súradníc konečného obrázku bez šumu; zaznamenávanie jasu pixelov konečného obrazu bez šumu do pamäte; výstup konečného obrazu bez šumu na zobrazovacie zariadenie.
2. Spôsob podľa nároku 1, vyznačujúci sa tým, že externé zariadenie je vyrobené vo forme stereovíznej kamery, skenera, digitálneho fotoaparátu alebo iných podobných zariadení.
3. Spôsob podľa nároku 1, vyznačujúci sa tým, že z externého zariadenia sa prijíma viacrozmerný obraz s okrajmi so šumom vo forme normálneho rozloženia.