Obrazová data, jejich pořizování a možná poškození
Obrazová data
Obrazová data získáváme snímaním reálneho světa (fotografia, video). Takto získaná data jsou spojitá, avšak pro lepší reprezentaci v počítači se převádějí na diskrétní (rastrové) hodnoty získané vzorkovaním (je třeba dodržet vzorkovací teorém). Výsledkem je tedy reprezentace obrazu maticí diskrétních bodův, kde každý bod obsahuje informace o barvě (typicky barevné spektrum, úroveň jasu atd.). Tato reprezentace má ale svoje omezení:
Barevné informace je třeba také vzorkovat, typickým modelem je RGB, který používá 3 zložky s 8-bit rozsahem na pixel (0–255)
Velikost obrazu také nemůže být neomezená, proto sa zavádí pojem rozlišení obrazu v pixelech (např. 1024×768)
Reprezentace barev
Diskrétní rastr barev – barva je směsí záření o různých vlnových délkách
Barevná hloubka – počet bitů na jeden obrazový bod
Paleta barev, true color, gray scale
Reprezentace obrazu
Spojitá funkce 2 proměnných: I(x, y): ⟨0, X) × ⟨0, Y) → ℝ, kde definiční obor D(f) je tvořen kartézským součinem dvou intervalů (obvykle od nuly do velikosti rozměru obrazu) a obor funkčních hodnot H(f) je množina reálných čísel.
Získavání obrazových dat
Optické systémy
1-čipové monochromatické
1-čipové barevné
3-čipové barevné
Obrazové senzory
CCD
Charge-coupled device
Matice světlocitlivých buněk. Každá buňka obsahuje čip a kondenzátor, který sa před expozicí nabije. Během expozice nastává úbytek náboje v kondenzátoru v důsledku dopadajícího světla (čím víc světla, tím víc úbytku). Po expozici se zbylý náboj pomocí posuvných registrů transportuje na okraj čipu a mění se na napěťový signál, který putuje do A/D převodníků.
Výhody:
Snímá celý obraz naráz, čili vhodné i pro rychle se pohybující objekty
Robustnost vůči šumu (vyskytuje se jen transportní šum při posouvání náboje)
Nevýhody:
CMOS
Active pixel sensor
Používá podobné buňky jako CCD, avšak zbytkový náboj sa přímo mění na napěťový signál (žádné posuvné registry, přímý A/D převod na jednom čipu).
Výhody:
Nevýhody:
Protože se obraz neexponuje naráz, nevhodné pro rychle sa pohybujíce objekty
Vzniká strukturální šum při převodu z náboje
Data získané z „neviditelného spektra“
Vypočtená data
Chyby v obraze
Degradace obrazu
Vznikají při snímání (nedokonalost snímačů, chyby), přenosu dat obrazu přenosovou soustavou, zpracování
Tepelný šum, Kvantizační šum, Defekty optických soustav (čoček),
Nelinearita el. optických senzorů, Granularita filmového materiálu,
Relativní pohyb mezi objektem a kamerou, Špatné zaostření, Zaokrouhlování při zpracování
Typy šumu
Aditivní šum – je nezávislý na obraze g(x, y) = f(x, y) + v(x, y)
Multiplikativní šum – je závislý na velikosti obrazového signálu g = f + vf = f(1 + v) ≈ fv
-
Bílý šum – Šum je nekorelovaný (náhodný), intenzita neklesá s rostoucí frekvencí (pro všechny frekvence stejně).
Šedý šum – údolí, nízké hodnoty ve středu spektra
Růžový šum – intenzita šumu klesá logaritmicky s rostoucí frekvencí
Gaussův šum – Amplituda šumu má normální (Gaussovo) rozdělení pravděpodobnosti. Bílý Gaussův šum v mnoha situacích velmi dobře aproximuje reálný šum. Postihuje celý obraz.
Šum typu „Pepř a sůl“ – Často nazýván impulsní (nebo výstřelový) šum. Postiženy jsou pouze ojedinělé body obrazu – extrémní hodnoty. Řešením je interpolace z okolních bodů – např. mediánový filtr.
Úzkopásmový šum – Šumem jsou postiženy jen některé frekvence obrazu. Řešením je filtrace ve frekvenční oblasti (FFT → oříznutí → IFFT).
Postupy odstranění šumu
Reálně se šum nikdy nedá odstranit, ale existuje více metod na jeho potlačení.
Statistický přístup k filtraci šumu
Průměrování z více snímků (např. z videa, kde se scéna nemění), průměrování bez rozmazání
Průměrování z jednoho snímku – dochází k rozmazávání
Lokální předzpracování obrazu
Dobré filtry na odstranění šumu se dají navrhnout ve frekvenční oblasti pomocí FFT. V ní potom snáze vidíme šum (projevuje se vyššími frekvencemi v obraze) a na základě toho navrhnout filtr na jeho odstranění.
Optimální filtrace obrazu
Pokud:
Metody se liší tím, jaké vlastnosti známe: