Làm thế nào để loại bỏ nhiễu Gaussian khỏi hình ảnh mà không phá hủy các cạnh?

Bộ lọc tốt nhất để loại bỏ nhiễu Gaussian mà không phá hủy các cạnh là gì? Tôi đang sử dụng các hình ảnh Lena tiêu chuẩn với nhiễu Gaussian phụ gia và tôi muốn khử nhiễu trước khi áp dụng khuếch tán dị hướng. Tôi không muốn lọc trung bình vì các cạnh bị mờ. Tôi đã thử lọc thích ứng nhưng kết quả không khả quan.

Bạn có thể cần phải xem xét các kỹ thuật tiên tiến hơn. Đây là hai bài báo gần đây về khử nhiễu bảo toàn cạnh:

• Khử nhiễu hình ảnh cạnh bảo vệ thông qua phép chiếu không gian màu tối ưu [màu] Bài viết này bảo tồn các cạnh bằng cách phân tách hình ảnh thành một không gian màu "tối ưu" và thực hiện thu nhỏ sóng con. Không gian màu tối ưu thuộc về độ chói / độ lệch màu (nghĩ L * a * b * hoặc YCrCb).

• Cấu trúc cạnh bảo tồn hình ảnh khử nhiễu từ giấy:

Phương pháp của chúng tôi dựa trên [phân tích hồi quy nhảy] và bao gồm ba bước chính, được nêu dưới đây. Đầu tiên, các pixel cạnh được phát hiện trong toàn bộ không gian thiết kế bởi một máy dò cạnh. Thứ hai, trong một vùng lân cận của một pixel nhất định, một đường cong tuyến tính được ước tính từ các pixel cạnh được phát hiện bằng một thuật toán đơn giản nhưng hiệu quả, để xấp xỉ phân đoạn cạnh bên dưới trong vùng lân cận đó. Cuối cùng, cường độ hình ảnh quan sát ở cùng phía của phân đoạn cạnh ước tính, như pixel đã cho, được tính trung bình theo quy trình làm mịn hạt nhân tuyến tính cục bộ (xem, [35]), để ước tính cường độ hình ảnh thực ở pixel đã cho.

( Mô hình hồi quy nhảy kết hợp sự không liên tục bằng cách sử dụng các chức năng bước. Tác giả chính có một cuốn sách về chủ đề này .)

Là một điểm khởi đầu, tôi sẽ sử dụng một kỹ thuật co rút phi tuyến tính với một loại biến đổi wavelet nào đó (mặc dù chúng không đặc trưng cho các biến đổi wavelet). Các quy tắc thu nhỏ là khái niệm đơn giản, nhanh chóng và dễ thực hiện, trong khi mang lại kết quả tuyệt vời.

Tiền đề là tín hiệu mong muốn của bạn có thể được biểu diễn trong một số miền sao cho phần lớn năng lượng tập trung vào một số lượng nhỏ các hệ số. Ngược lại, tiếng ồn vẫn lan ra trên tất cả các hệ số (có khả năng là dành cho AWGN). Sau đó, bạn có thể "thu nhỏ" các hệ số - giảm giá trị của chúng theo một số quy tắc phi tuyến tính - sao cho tác động lên tín hiệu là nhỏ so với tác động lên nhiễu.

Biến đổi Wavelet là một biến đổi tốt để sử dụng vì chúng rất tốt trong việc nén năng lượng thành một số lượng nhỏ các hệ số. Cá nhân tôi đề xuất biến đổi bước sóng phức tạp cây kép (DTCWT) cho các thuộc tính đẹp bổ sung của nó.

2 bài báo rất hay về chủ đề này và cái này (cả hai từ cùng một tác giả). Các bài viết là một điều trị thực sự về khả năng đọc và giải thích rõ ràng của họ. (cũng có những hình ảnh đẹp về Lenna bị từ chối :)

Chắc chắn có nhiều bài báo gần đây, nhưng chúng thường không cải thiện nhiều về số lượng so với các kỹ thuật rất đơn giản được mô tả trong các bài báo đó.

Trong khi mọi thách thức xử lý tín hiệu, không có ai phù hợp với tất cả giải pháp ở đây là một ý tưởng:

1. vì bạn đang cố gắng giữ các cạnh tìm ra vị trí của chúng trong ảnh. Sử dụng một máy dò cạnh canny để tìm các cạnh trong hình ảnh của bạn.
2. Làm loãng / Làm phẳng các ranh giới của các cạnh được xuất ra từ hình ảnh (có thể rộng 2-5 pixel cho mỗi cạnh) cho phép gọi đây là "mặt nạ"
3. đảo ngược mặt nạ.
4. Áp dụng mặt nạ cho hình ảnh của bạn, tức là chỉ để các vật phẩm KHÔNG có cạnh.
5. áp dụng kỹ thuật khử gaussing
6. sử dụng mặt nạ cạnh ban đầu để lấy các giá trị pixel ảnh trong đó có các cạnh
7. Đặt chúng trở lại vào hình ảnh khử nhiễu

cách khác, bạn có thể áp dụng kỹ thuật De-gaussing của mình cho toàn bộ hình ảnh và sau đó chỉ cần giới thiệu lại các pixel không khử nhiễu vào hình ảnh.