本文說明幾種濾波器在不同雜訊種類、雜訊比例下的處理效果,總結雜訊處理對應合適的濾波器,並在最後說明為什麼需要自適應濾波器 (Adaptive filter)。本文分為上下兩篇,上篇表列平均、排序濾波器的特性與雜訊處理的情境,並示範濾波器在無雜訊與均勻雜訊 (Uniform Noise) 的效果。
目錄
- 前言
- 雜訊種類對應的濾波處理手法
- 濾波器對無雜訊圖片的處理效果
- 濾波器對雜訊圖片的處理效果
- 小結
1. 前言
大家可以分辨圖1a. 是什麼嗎?大概可以看到圖像中有一個風扇,但不出細節。而圖1b. 是圖1a.透過去噪技術產生的結果,若不特別說明,甚至會把圖1b. 當成原圖。這篇文章,將會告訴你怎樣達到這樣驚人的去噪效果。
圖片在拍攝的過程中,常常因為一些外在因素,導致圖像產生退化 (image degradation),像是鏡頭失焦導致的圖像模糊、曝光不足導致影像過暗、或是設備過熱產生的電子雜訊等。這些退化會影響我們對圖像的判讀,因此會設法對圖像進行加強、恢復,其中雜訊就是一種常見的圖像退化。
圖像退化處理的方法,可以概分為空間域型、以及頻域型 (如小波轉換),凡是具有規律的汙染,都有機會使用頻域算法處理,而當退化不具有規律性,如本文說明的隨機雜訊,空間域的處理手法就是首選。接下來,文章會述說各種雜訊的特性,並逐漸提高雜訊比例,來看不同濾波器的表現。
2. 雜訊種類對應的濾波處理手法
下表介紹不同濾波器處理雜訊的效果 (Wood [2018]) ,提供面對雜訊時,選擇濾波器的指引,但一些雜訊的處理仍有多種選擇。舉例而言,高斯雜訊,可以使用高斯、平均、中點濾波器處理,但能否使用同一種濾波器處理? 本文將會對不同的濾波器進行效果比較。
3. 濾波器對無雜訊圖片的處理效果
濾波器以性質劃分,可以分為平均濾波器和排序濾波器。平均濾波器是拿範圍內的點進行加權平均,所以效果為平滑、模糊化;排序濾波器,是取範圍中一個點做代表,效果為特性強化。本文使用圖3作為範例,以不同濾波器進行濾波。
3.1 平均濾波器
使用平均濾波器時,雜訊會因為平均而消失,但圖形的邊緣也會因為平均而模糊。圖 4. 左、右分別使用kernel size為 3×3 與 13×13 的結果,可以發現當kernel size變大時,圖像的模糊程度也上升了。
3.2 排序濾波器
使用排序濾波器時,如果雜訊比例低、或是雜訊為脈衝(灰度值為 0 或 255)雜訊,就可以藉由排序篩選掉。圖5 左右.是分別使用kernel size為3×3與13×13的結果,而不論是哪個kernel size 圖像並沒有因為濾波而變的模糊,但可以看到因為kernel size提高,使Max、Min、Midpoint的濾波結果失真,Max 會篩選大的灰度值,所以黑色的圓變小了;而Min會篩選小的灰度值,所以黑色的圓變大了;而Midpoint因為是最大、最小灰度值的平均,所以在圓形邊緣出現一層灰色。
4. 濾波器對雜訊圖片的處理效果
4.1 均勻雜訊的處理
均勻雜訊指的是雜訊的數值平均的散落在一個區間之內,而均勻雜訊的機率密度函數可寫為:
這裡設定均勻雜訊為-50至50之間。而加入比例分別為30%、50%、70%,如圖6.。
圖7 為使用4種平均濾波器與4種排序濾波器對30%雜訊的濾波結果,可以看到經過平均濾波器(左四張圖)濾波後仍看得到雜訊,表示當雜訊範圍較大時,平均濾波器無法有效處理。而排序濾波器中,中位數濾波器完美將雜訊去除。
圖8. 顯示如果將雜訊比例提高時,中位數濾波器的效果,在對應50%雜訊時,中位數濾波器幾乎可完美過濾雜訊,圖8. 左上;但在面對70%雜訊時,kernel size=3×3時,圖像仍有許多雜訊,如圖8. 左下;而若將kernel size調整為13×13,則可以看到雜訊被消除,但圖像變得較為模糊。
5. 小結
本文為雜訊處理上篇,本文比較8種濾波器對於無雜訊圖像以及均勻濾波器的影響,8種濾波器包含平均、高斯、幾何平均、調和平均、中位數、最大值、最小值與中點濾波器,而中位數濾波器對均勻雜訊的處理表現較好。下篇會提到這幾種濾波器對高斯雜訊與脈衝雜訊的應用,並展示當圖象雜訊超過70%時,自適應濾波的優勢。