نویز تصویر دوربین پزشکی
نویز تصویر دوربین پزشکی
نویز تصویر تغییرات تصادفی روشنایی یا اطلاعات رنگ در تصاویر است و معمولاً جنبه‌ای از نویز الکترونیکی است. این می تواند توسط حسگر تصویر و مدار یک اسکنر یا دوربین دیجیتال تولید شود. نویز تصویر همچنین می‌تواند از دانه‌های فیلم و نویز غیرقابل اجتناب یک آشکارساز فوتون ایده‌آل منشأ بگیرد. نویز تصویر یک محصول جانبی نامطلوب ثبت تصویر است که اطلاعات مورد نظر را مبهم می کند.
معنی اصلی از "سر و صدا" بود "سیگنال ناخواسته"; نوسانات الکتریکی ناخواسته در سیگنال های دریافتی توسط رادیوهای AM باعث ایجاد نویز صوتی قابل شنیدن می شود."ایستا"). بر اساس قیاس، نوسانات الکتریکی ناخواسته نیز نامیده می شود"سر و صدا".
نویز تصویر می تواند از لکه های تقریبا نامحسوس روی یک عکس دیجیتالی گرفته شده در نور خوب تا تصاویر نوری و رادیو نجومی که تقریباً تماماً نویز هستند، متغیر باشد، که می توان با پردازش پیچیده، مقدار کمی از اطلاعات را از آنها به دست آورد. چنین سطح نویزی در یک عکس غیرقابل قبول است زیرا حتی تعیین سوژه نیز غیرممکن است.
سر و صدا انواع
1.نویز گاوسی
منابع اصلی نویز گاوسی در تصاویر دیجیتال در حین اکتساب به وجود می آیند. سنسور به دلیل سطح روشنایی و دمای خاص خود نویز ذاتی دارد و مدارهای الکترونیکی متصل به سنسور سهم خود را از نویز مدار الکترونیکی تزریق می کنند.
یک مدل معمولی از نویز تصویر گاوسی است، افزودنی، مستقل در هر پیکسل، و مستقل از شدت سیگنال، که عمدتاً توسط نویز جانسون-نایکوئیست (نویز حرارتی)، از جمله نویزهایی که از نویز تنظیم مجدد خازن ها ناشی می شود، ایجاد می شود."نویز kTC"). نویز تقویت کننده بخش عمده ای از"نویز خواندن"یک حسگر تصویر، یعنی سطح نویز ثابت در نواحی تاریک تصویر.[5] در دوربین‌های رنگی که در آنها از تقویت بیشتر در کانال رنگ آبی نسبت به کانال سبز یا قرمز استفاده می‌شود، ممکن است نویز بیشتری در کانال آبی وجود داشته باشد.[6] با این حال، در نوردهی‌های بالاتر، نویز حسگر تصویر تحت سلطه نویز شات است که گاوسی نیست و مستقل از شدت سیگنال نیست. همچنین الگوریتم‌های حذف نویز گاوسی زیادی وجود دارد.
2.صدای نمک و فلفل
تصویر با نویز نمک و فلفل
دم چربی توزیع شده یا "تکانشی"سر و صدا گاهی اوقات نویز نمک و فلفل یا صدای سنبله نامیده می شود. تصویری که حاوی نویز نمک و فلفل باشد دارای پیکسل های تیره در مناطق روشن و پیکسل های روشن در مناطق تاریک خواهد بود.[9] این نوع نویز می تواند ناشی از خطاهای مبدل آنالوگ به دیجیتال، خطاهای بیت در انتقال و غیره باشد.[10][11] بیشتر با استفاده از تفریق قاب تیره، فیلتر میانه، فیلتر ترکیبی میانه و میانگین و درونیابی در اطراف پیکسل های تاریک/روشن می توان آن را حذف کرد.
پیکسل های مرده در یک نمایشگر LCD نمایشگری مشابه، اما غیر تصادفی تولید می کنند.
3.صدای شلیک
نویز غالب در بخش‌های روشن‌تر یک تصویر از یک حسگر تصویر، معمولاً ناشی از نوسانات کوانتومی آماری است، یعنی تغییر در تعداد فوتون‌های حس‌شده در یک سطح نوردهی مشخص. این نویز به نویز شات فوتون معروف است.[6] نویز شات دارای مقدار ریشه میانگین مربع متناسب با ریشه دوم شدت تصویر است و نویزهای پیکسل های مختلف مستقل از یکدیگر هستند. نویز شات از توزیع پواسون پیروی می کند، که به جز در سطوح شدت بسیار بالا، به توزیع گاوسی نزدیک می شود.
علاوه بر نویز شات فوتون، می تواند نویز اضافی شات از جریان نشتی تاریک در سنسور تصویر وجود داشته باشد. این صدا گاهی اوقات به عنوان شناخته شده است"صدای شلیک تیره"[6] یا "نویز شات جریان تاریک". جریان تاریک بیشترین مقدار را دارد"پیکسل های داغ"درون سنسور تصویر بار تاریک متغیر پیکسل های معمولی و داغ را می توان کم کرد (با استفاده از"تفریق قاب تیره")، تنها نویز شات یا جزء تصادفی نشتی باقی می ماند. اگر تفریق قاب تیره انجام نشود، یا اگر زمان نوردهی به اندازه‌ای طولانی باشد که شارژ پیکسل داغ از ظرفیت شارژ خطی فراتر رود، نویز فراتر از نویز شات خواهد بود و پیکسل‌های داغ به صورت نویز نمک و فلفل ظاهر می‌شوند.
4. نویز کوانتیزاسیون (نویز یکنواخت)
نویز ناشی از کوانتیزه کردن پیکسل های یک تصویر حس شده به تعدادی سطوح گسسته به عنوان نویز کوانتیزه شناخته می شود. توزیع تقریباً یکنواختی دارد. اگرچه می‌تواند وابسته به سیگنال باشد، اما اگر سایر منابع نویز به اندازه‌ای بزرگ باشند که باعث ایجاد دودگی شوند، یا به صراحت از دیترینگ استفاده شود، مستقل از سیگنال خواهد بود.
5. دانه فیلم
دانه فیلم عکاسی یک نویز وابسته به سیگنال است که توزیع آماری مشابهی با نویز عکس دارد. اگر دانه های فیلم به طور یکنواخت توزیع شوند (تعداد مساوی در هر سطح)، و اگر هر دانه احتمال مساوی و مستقلی داشته باشد که پس از جذب فوتون ها به یک دانه نقره ای تیره تبدیل شود، تعداد این دانه های تیره در یک منطقه با یک دوجمله ای تصادفی خواهد بود. توزیع در مناطقی که احتمال کم است، این توزیع نزدیک به توزیع کلاسیک پواسون نویز شات خواهد بود. یک توزیع ساده گاوسی اغلب به عنوان یک مدل به اندازه کافی دقیق استفاده می شود.
دانه فیلم معمولاً به عنوان یک منبع نویز تقریباً همسانگرد (غیر گرا) در نظر گرفته می شود. تأثیر آن با توزیع تصادفی دانه های هالید نقره در فیلم بدتر می شود.
6. نویز ناهمسانگرد
برخی از منابع نویز با جهت گیری قابل توجهی در تصاویر نشان داده می شوند. به عنوان مثال، سنسورهای تصویر گاهی در معرض نویز ردیف یا نویز ستون قرار می گیرند.
7. نویز دوره ای
یک منبع رایج نویز دوره ای در یک تصویر ناشی از تداخل الکتریکی یا الکترومکانیکی در طول فرآیند گرفتن تصویر است.[8] تصویری که تحت تأثیر نویز دوره‌ای قرار می‌گیرد به نظر می‌رسد که یک الگوی تکرار شونده در بالای تصویر اصلی اضافه شده است. در حوزه فرکانس این نوع نویز را می توان به صورت اسپایک های گسسته مشاهده کرد. کاهش قابل توجه این نویز را می توان با اعمال فیلترهای ناچ در حوزه فرکانس به دست آورد.[8] تصاویر زیر یک تصویر تحت تاثیر نویز دوره ای و نتیجه کاهش نویز با استفاده از فیلتر حوزه فرکانس را نشان می دهد. توجه داشته باشید که تصویر فیلتر شده هنوز مقداری نویز در حاشیه دارد. فیلتر کردن بیشتر می تواند این نویز حاشیه را کاهش دهد، با این حال ممکن است برخی از جزئیات دقیق در تصویر را نیز کاهش دهد. معاوضه بین کاهش نویز و حفظ جزییات ریز مخصوص کاربرد است. به عنوان مثال اگر جزئیات دقیق در قلعه مهم در نظر گرفته نمی شود، فیلتر پایین گذر می تواند گزینه مناسبی باشد. اگر جزئیات دقیق قلعه مهم در نظر گرفته شود، یک راه حل مناسب ممکن است حذف مرزهای قلعه باشد
