ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 3: Αποκατάσταση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων
Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 2
1. Σκοποί ενότητας... 4 2. Περιεχόμενα ενότητας... 4 3. Άσκησεις... 5 3.1 1 η Άσκηση... 5 3.2 2 η Άσκηση... 6 3.3 3 η Άσκηση... 7 3.4 4 η Άσκηση... 9 3.5 5 η Άσκηση... 9 3.6 6 η Άσκηση... 11 3
1. Σκοποί ενότητας Σκοπός της ενότητας είναι να παρουσιάσει τις μεθόδους με τις οποίες απομακρύνουμε τον θόρυβο από μια εικόνα συμβάλλοντας έτσι στην αποκατάστασή της εικόνων και να κληθεί ο εκπαιδευόμενος να λύσει πρακτικές ασκήσεις. 2. Περιεχόμενα ενότητας H ενότητα αυτή καλύπτει τις βασικές έννοιες: Τύποι θορύβου Φίλτρο αριθμητικής μέσης τιμής Φίλτρο γεωμετρικής μέσης τιμής Φίλτρο μεσαίας τιμής Φίλτρο ενδιάμεσου σημείου Φίλτρο ρυθμιζόμενης μέσης τιμής Προσαρμοζόμενο φίλτρο τοπικού θορύβου Προσαρμοζόμενο φίλτρο μεσαίας τιμής Με τις αντίστοιχες ασκήσεις για λύση. 4
3. Άσκησεις 3.1 1 η Άσκηση Να διαβαστεί η εικόνα cameraman.tif. Να προστεθεί θόρυβος τύπου Gaussian με σ=30. Να εφαρμοστεί το φίλτρο αριθμητικής μέσης τιμής με μάσκες 3Χ3, 5Χ5 και 7Χ7. Να απεικονιστούν τα αποτελέσματα και να σχολιαστούν. Αρχική εικόνα με θόρυβο Μάσκα 3Χ3 Μάσκα 5Χ5 Μάσκα 7Χ7 5
3.2 2 η Άσκηση Να διαβαστεί η εικόνα woman.mat. Να προστεθεί σε αυτήν ομοιόμορφος θόρυβος με σ=50. Να εφαρμοστεί το φίλτρο αριθμητικής μέσης τιμής, γεωμετρικής μέσης τιμής και median. H μάσκα είναι 3Χ3. Απεικονίστε την εικόνα εξόδου για κάθε φίλτρο και σχολιάστε τα αποτελέσματα. Αρχική εικόνα Αριθμητικής μέσης τιμής Αρχική εικόνα με θόρυβο Γεωμετρικής μέσης τιμής Median 6
3.3 3 η Άσκηση Να διαβαστεί η εικόνα woman.mat. Να προστεθεί σε αυτήν Gaussian θόρυβος με σ=50. Να εφαρμοστεί το φίλτρο αριθμητικής μέσης τιμής, γεωμετρικής μέσης τιμής και median. Η μάσκα είναι 3Χ3. Απεικονίστε την εικόνα εξόδου για κάθε φίλτρο και σχολιάστε τα αποτελέσματα. 7
Αριθμητικής μέσης τιμής Αρχική εικόνα Γεωμετρικής μέσης τιμής Αρχική εικόνα με θόρυβο Median 8
3.4 4 η Άσκηση Να διαβαστεί η εικόνα cameraman.tif. Να προστεθεί θόρυβος τύπου salt & pepper με d=0.8. Να εφαρμοστούν τα φίλτρα median, max, min με μάσκα 3Χ3. Να απεικονιστούν οι εικόνες εξόδου και να σχολιαστούν. Αρχική εικόνα με θόρυβο Median Max Min 5 η Ας 3.5 5 η Άσκηση Να διαβαστεί η εικόνα pattern.tif. Να προστεθεί Gaussian θόρυβος με σ=30. Να εφαρμοστούν τα φίλτρα αριθμητικής και γεωμετρικής μέσης τιμής με μάσκα 5Χ5. Να εφαρμοστεί προσαρμοζόμενο φίλτρο με την ίδια μάσκα και με την προϋπόθεση ότι ο 2 θόρυβος είναι γνωστός (δηλαδή n = 900 ). Να απεικονιστούν οι εικόνες εξόδου και να σχολιαστούν τα αποτελέσματα. Πως φαίνεται το zero padding που χρησιμοποιεί η συνάρτηση για το προσαρμοζόμενο φίλτρο; 9
Σημείωση: Θα εφαρμοστεί η εξίσωση (3.7) των σημειώσεων, η οποία θα υλοποιηθεί με τη συνάρτηση του Matlab: B = nlfilter (A, [5 5], @myfun) Όπου: function value=myfun(x) sigma_noise=900; sigma_block=var(x(:)); if sigma_noise>=0.9*sigma_block value=mean2(x); else end cx=round(size(x,1))/2; cy=round(size(x,2))/2; value=x(cx,cy); Το πρόγραμμα δημιουργεί για κάθε pixel υπο-εικόνες σύμφωνα με τη μάσκα 5Χ5 για τις οποίες υπολογίζει το variance [εντολή var(x(:))]. Στη συνέχεια συγκρίνει το 2 με το 0.9*var(x(:)). Εάν n είναι μεγαλύτερο ή ίσο θα εφαρμόζει το φίλτρο αριθμητικής μέσης τιμής, διαφορετικά αφήνει την τιμή του κεντρικού pixel της μάσκας. Η παραπάνω συνάρτηση κάνει zero padding. Εικόνα με θόρυβο Φίλτρο αριθμητικής μέσης τιμής 10
Φίλτρο γεωμετρικής μέσης τιμής Προσαρμοζόμενο φίλτρο 3.6 6 η Άσκηση Να επαναληφθεί το προηγούμενο πείραμα με τη συνάρτηση colfilt για τη δημιουργία του προσαρμοζόμενου φίλτρου. Αναζητείστε στοιχεία από το Matlab για αυτή τη συνάρτηση. Τι έχετε να παρατηρήσετε; 11