Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Battiato
Restauro
Restauro
e
e
Ricostruzione
Ricostruzione
da
da
Immagini
Immagini
Prof. Sebastiano Battiato
Multimedia A.A. 2009/2010 S. Battiato
Premessa
Come nel caso del miglioramento di qualit, anche per il
ripristino di qualit o restauro lobiettivo
dellelaborazione migliorare la qualit dellimmagine. La
differenza sta nel fatto che il restauro tenta di recuperare
(o ricostruire) limmagine degradata usando una
conoscenza a priori della causa di degrado
Il processo di ripristino di qualit quindi in gran parte
oggettivo. Le tecniche di restauro si basano infatti sulla
individuazione di un modello del degrado e sulla
applicazione del processo inverso per ottenere una stima
ottima dellimmagine non degradata
Multimedia A.A. 2009/2010 S. Battiato
Premessa
Come noto le tecniche di enhancement sono generalmente
basate su procedure euristiche che manipolano limmagine
in modo da trarre vantaggio dagli aspetti psico-visivi del
sistema percettivo umano. Per esempio, lo stretching di
contrasto considerato una tecnica di enhancement,
mentre lapplicazione di una funzione di deblurring per la
riduzione del blurring di una immagine considerata una
tecnica di restauro.
Anche le tecniche di restauro possono essere classificate in
base al dominio in cui operano. Distinguiamo quindi le
tecniche nel dominio spaziale (per esempio per rumore
additivo) dalle tecniche nel dominio della frequenza (per
tipologie di degrado complesse)
Multimedia A.A. 2009/2010 S. Battiato
Modello del processo di degrado/restauro
Il processo di degrado pu essere modellato come una funzione di
degrado H che, unitamente ad un termine di rumore additivo , agisce
sullimmagine di ingresso f(x,y) per produrre limmagine degradata
g(x,y);
Data la g(x,y) e una certa conoscenza della funzione di degrado H e
del termine di rumore additivo , lobiettivo del restauro di ottenere
una stima (la migliore possibile) dellimmagine non degradata.
Multimedia A.A. 2009/2010 S. Battiato
Modello del processo di degrado/restauro
Se H un processo lineare e spazio-invariante, si ha nel dominio
spaziale:
g(x,y) = h(x,y)*f(x,y) + (x,y)
dove h(x, y) la rappresentazione spaziale della funzione di degrado H
Si ha pertanto nel dominio della frequenza:
G(u,v) = H(u,v)F(u,v) + N(u,v)
Se si suppone che H sia un operatore identit, il degrado si riduce al solo
rumore additivo:
G(u,v) = F(u,v) + N(u,v)
g(x,y) = f(x,y) + (x,y)
e il restauro si riduce alla eliminazione (o riduzione) del rumore
Multimedia A.A. 2009/2010 S. Battiato
Modelli del Rumore
Le principali sorgenti del rumore presente in una immagine digitale
sono attive durante la acquisizione dellimmagine e durante la
trasmissione. Il rumore pu essere caratterizzato attraverso le sue
caratteristiche spaziali, ovvero attraverso il suo contenuto in
frequenza (per esempio, il rumore bianco ha uno spettro costante).
Importante anche la eventuale correlazione del rumore con
limmagine.
Per semplicit di trattazione, si supporr dora in poi che il rumore
sia indipendente dalle coordinate spaziali, ed incorrelato rispetto
allimmagine (le immagini ai raggi X sono un buon esempio di
come queste assunzioni non siano sempre valide)
Multimedia A.A. 2009/2010 S. Battiato
Processo di Acquisizione
SW-Processing
Real Image
Lens
CFA
Sensor
Multimedia A.A. 2009/2010 S. Battiato
Dove sta il rumore?
SW-Pipeline
Digital
Data
Multimedia A.A. 2009/2010 S. Battiato
Modelli del Rumore
In queste condizioni, un descrittore spaziale appropriato per il
rumore il comportamento statistico del livello di grigio della
componente di rumore (x,y) presente nel modello del processo di
degrado/restauro
Il livello di grigio pu essere considerato una variabile random e
caratterizzata attraverso la funzione densit di probabilit (pdf)
Nella pratica, due tra i pi comuni modelli del rumore sono il
rumore gaussiano (o normale) e il rumore impulsivo (o salt-and-
pepper).
Multimedia A.A. 2009/2010 S. Battiato
Tipiche pdf delle variabili
casuali associate alle seguenti
tipologie di rumore:
Gaussiano
Rayleigh
Gamma
Esponenziale
Uniforme
Impulsivo
Modelli del rumore
Multimedia A.A. 2009/2010 S. Battiato
Rumore Gaussiano
I modelli del rumore Gaussiano sono spesso utilizzati in pratica
grazie alla loro trattabilit matematica. La pdf di una variabile
random gaussiana, z, data da:
dove z rappresenta il livello di grigio, lintensit media, e la
deviazione standard. Con questa distribuzione, circa il 70% dei valori di z
cade dentro lintervallo [, + ], e circa il 95% nellintervallo [2,
+ 2]
2 2
2 / ) (
2
1
) (
u z
e z p
=
Multimedia A.A. 2009/2010 S. Battiato
Rumore di Rayleigh
La pdf del rumore di Rayleigh data da:
Dove media e varianza sono dati da
Si osservi la distanza dallorigine e il fatto
che lo shape complessivo tende a destra. La
si usa per approssimare istogrammi skewed.
4
) 4 (
4 /
0
) (
2
) (
2
/ ) (
2
=
+ =
<
=
b
b a
a z
a z e a z
b
z p
b a z
Multimedia A.A. 2009/2010 S. Battiato
Rumore Gamma
La pdf del rumore Gamma (detto anche di
Erlang) data da:
Dove a>0, b un intero positivo.
La media e la varianza sono
rispettivamente =b/a e
2
=b/a
2
( )
<
0
! 1
) (
1
a z
a z e
b
z a
z p
az
b b
Multimedia A.A. 2009/2010 S. Battiato
Rumore Esponenziale
La pdf del rumore Esponenziale
data da:
dove a > 0. La media e la varianza
sono rispettivamente: =1/a e
2
=1/a
2
.
Si tratta di un caso particolare
della pdf di Erlang con b=1
<
0 0
0
) (
z
z ae
z p
az
Multimedia A.A. 2009/2010 S. Battiato
Rumore Uniforme
La pdf del rumore uniforme
data da:
La media e la varianza sono
rispettivamente: =(a+b)/2 e
2
=
(b - a)
2
/12.
=
altrimenti 0
1
) (
b z a
a b
z p
Multimedia A.A. 2009/2010 S. Battiato
Rumore Impulsivo
La pdf del rumore impulsivo bipolare data da:
Se b> a, i livelli b appariranno come punti chiari, e i livelli a come punti
scuri (rumore salt-and-pepper o shot o spike).
Se P
a
= 0 (o P
b
= 0), il rumore impulsivo detto unipolare.
Gli impulsi di rumore possono essere negativi o positivi. Dato che
normalmente essi si manifestano con ampiezza grande rispetto ai livelli di
grigio dellimmagine, il rumore viene normalmente digitalizzato con
valori estremi (nero o bianco).
=
=
=
altrimenti 0
) ( b z P
a z P
z p
b
a
Multimedia A.A. 2009/2010 S. Battiato
Test Pattern (1/2)
Immagini e relativi istogrammi ottenute da rumore additivo con pdf nota
Multimedia A.A. 2009/2010 S. Battiato
Immagini e relativi istogrammi ottenute da rumore additivo con pdf nota
Test Pattern (2/2)
Multimedia A.A. 2009/2010 S. Battiato
Immagine originale Rumore gaussiano con dev.std.=25
Rumore gaussiano su immagini RGB
Multimedia A.A. 2009/2010 S. Battiato
Immagine originale Rumore gaussiano con dev.std.=25
Rumore gaussiano su immagini a toni di grigio
Multimedia A.A. 2009/2010 S. Battiato
Rumore salt-and-pepper su immagini RGB
Immagine originale Rumore salt-and-pepper 10%
Multimedia A.A. 2009/2010 S. Battiato
Rumore salt-and-pepper su immagini a toni di grigio
Immagine originale
Rumore salt-and-pepper 10%
Multimedia A.A. 2009/2010 S. Battiato
Lo spettro mostra la presenza di onde
seno a diverse frequenze, ognuna delle
quali si manifesta in forma di una coppia
coniugata di impulsi sul piano delle
frequenze. In questo caso, gli impulsi
sono disposti approssimativamente lungo
un cerchio.
In presenza di rumore periodico la stima
pu essere fatta mediante ispezione
visuale dello spettro. Molto pi difficile
la stima automatica delle frequenze
spurie, di norma possibile solo in
presenza di spike di rumore
eccezionalmente pronunciati
Rumore periodico
Multimedia A.A. 2009/2010 S. Battiato
Stima dei Parametri del Rumore
I parametri delle pdf del rumore gaussiano o impulsivo possono
essere talvolta determinati a partire dalle specifiche dei sensori,
ricordando che in genere il rumore gaussiano dipende dal rumore dei
circuiti elettronici e dal rumore proprio dei sensori, che si manifesta
in particolare alle alte temperature o per scarsa illuminazione, mentre
il rumore impulsivo attribuibile a ripidi transitori dei componenti,
dovuti per esempio a commutazioni erronee durante il processo di
imaging.
Normalmente, per, necessario stimare i parametri in
corrispondenza ad un particolare sistema di imaging. Se questultimo
disponibile, lapproccio pi conveniente prevede la acquisizione di
pattern omogenei (per esempio, uno sfondo grigio illuminato
uniformemente), e la stima dei parametri di rumore a partire da essi.
Multimedia A.A. 2009/2010 S. Battiato
Stima dei Parametri del Rumore
Se invece sono disponibili solo le immagini gi degradate ( il
caso pi frequente), si pu provare a effettuare la stima a partire da
piccoli patch di grigio ragionevolmente costante (per esempio, una
striscia orizzontale o verticale, tipicamente 100 x 50 pixel possono
essere sufficienti)
Good area for Noise Level
Estimation (NLE)
Bad area for NLE
(data is clipped, causes
Noise underestimation).
Bad area for NLE
(textured zone, causes
noise overestimation.)
Multimedia A.A. 2009/2010 S. Battiato
Stima dei parametri del Rumore
Una stima dei parametri pi
accurata, che agisca su tutta
limmagine distinguendo
opportunamente le zone
texturizzate dalle zone omogenee
preferibile.
Multimedia A.A. 2009/2010 S. Battiato
Stima dei Parametri del Rumore
In ogni caso, dai pattern cos ottenuti possibile stimare, nel
caso di rumore gaussiano, la media e la varianza dei livelli di
grigio:
dove S la regione considerata, z
i
sono i livelli di grigio dei
pixel in essa, e p(z
i
) i corrispondenti valori dellistogramma.
( )
= =
S z
i i
S z
i i
i i
z p z z p z ) ( ) (
2
Multimedia A.A. 2009/2010 S. Battiato
Stima dei Parametri del Rumore
Nel caso di rumore impulsivo, i parametri da determinare sono i
valori di P
a
e P
b
, corrispondenti rispettivamente a nero e bianco. A tal
fine, pu essere presa in considerazione una regione di grigio
intermedio, sufficientemente estesa da consentire una valutazione
dellistogramma, e di conseguenza delle altezze dei due picchi
corrispondenti al nero e al bianco.
In generale, per, la conoscenza dei parametri di rumore
insufficiente a consentire la realizzazione di un processo di
inversione, e lunica possibilit rimane quella del filtraggio
spaziale, come gi visto per il miglioramento di qualit.
Multimedia A.A. 2009/2010 S. Battiato
Filtri di media
Il filtro di media aritmetico il pi semplice dei filtri di media.
Sia S
xy
linsieme di coordinate in una finestra rettangolare di
dimensione m x n centrata nel punto (x, y). Il processo di filtraggio
della media aritmetica calcola il valore medio dellimmagine
corrotta g(x,y) nellarea definita da S
xy
. Il valore dellimmagine
restaurata f^ in qualsiasi punto (x, y) semplicemente la media
aritmetica calcolata usando i pixel nella regione definita da S
xy
. In
altre parole:
=
xy
S t s
t s g
mn
f
) , (
) , (
1
Multimedia A.A. 2009/2010 S. Battiato
Filtro di media geometrico
Unimmagine ripristinata utilizzando un filtro di media
geometrica data dallespressione:
In questo caso, ciascun pixel ripristinato dato dal prodotto dei
pixel nella sottoimmagine elevato per 1/mn. Un filtro di media
geometrica raggiunge uno smoothing confrontabile con lo
smoothing del filtro di media aritmetico, ma tende a perdere
meno dettagli.
mn
S t s
xy
t s g y x f
1
) , (
) , ( ) , (
(
(
=
xy
S t s
t s g
mn
y x f
) , (
) , (
1
) , (
Multimedia A.A. 2009/2010 S. Battiato
Filtro di media contro-armonico
Loperazione di filtraggio di media contro-armonico produce
unimmagine ripristinata basata sullespressione:
dove Q chiamato lordine del filtro. Questo filtro ben adatto
per ridurre (o virtualmente eliminare) il rumore pepper. Per i
valori negativi di Q elimina il rumore salt. Non riesce a
rimuoverli entrambi simultaneamente. Il filtro contro-armonico si
riduce al filtro di media aritmetico se Q=0, e al filtro di media
armonico se Q=-1.
=
xy
xy
S t s
Q
S t s
Q
t s g
t s g
y x f
) , (
) , (
1
) , (
) , (
) , (
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri di media
Immagine originale
Immagine corrotta da rumore
Gaussiano di media zero e varianza 400
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri di media
Filtro di media aritmetico 3x3 Filtro di media geometrico 3x3
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri di media
Rumore pepper con probabilit 0.1 Rumore salt con probabilit 0.1
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri di media
Filtro contro-armonico con Q=1.5
per rimuovere rumore pepper
Filtro contro-armonico con Q=-1.5 per
rimuovere rumore salt
Multimedia A.A. 2009/2010 S. Battiato
Filtri order-statistics
I filtri order-statistics sono filtri spaziali la cui risposta
basata sullordinamento dei pixel contenuti nellarea
dellimmagine racchiusa dal filtro.
I filtri order-statistics pi importanti sono:
Filtro mediano
Filtro di max e filtro di minimo
Filtro mid-point
Filtro di media alpha-trimmed
Multimedia A.A. 2009/2010 S. Battiato
Filtro mediano
Il filtro mediano sostituisce il valore di un pixel con il mediano
dei livelli di grigio nellintorno di quel pixel:
Il valore originale del pixel incluso nella computazione del
mediano. I filtri mediani sono piuttosto popolari poich in alcuni
casi forniscono capacit eccellenti di riduzione del rumore, con
molto meno blurring rispetto ai filtri di smoothing lineari di
dimensione simile. I filtri mediani sono particolarmente efficaci in
presenza del rumore impulsivo
{ } ) , ( ) , (
) , (
t s g median y x f
xy
S t s
=
Multimedia A.A. 2009/2010 S. Battiato
Filtro max
Il filtro di massimo dato da:
Questo filtro utile per trovare i punti pi luminosi in una
immagine. Inoltre, poich il rumore pepper ha valori molto
bassi, esso viene ridotto da questo filtro come risultato del
processo di selezione del massimo nellarea S
xy
.
{ } ) , ( max ) , (
) , (
t s g y x f
xy
S t s
=
Multimedia A.A. 2009/2010 S. Battiato
Filtro di minimo
Il filtro di minimo dato da:
Questo filtro utile per trovare i punti pi scuri in una
immagine. Inoltre, esso riduce il rumore salt.
{ } ) , ( min ) , (
) , (
t s g y x f
xy
S t s
=
Multimedia A.A. 2009/2010 S. Battiato
Filtro mid-point
Il filtro del mid-point calcola semplicemente il punto di mezzo
tra i valori massimo e minimo nellarea racchiusa dal filtro:
Questo filtro funziona bene per il rumore distribuito
casualmente, come quello Gaussiano o uniforme.
{ } { }
2
) , ( min ) , ( max
) , (
) , ( ) , (
t s g t s g
y x f
xy xy
S t s S t s
+
=
Multimedia A.A. 2009/2010 S. Battiato
Filtro di media alpha-trimmed
Supponiamo di eliminare i d/2 valori dei livelli di grigio pi bassi e
i d/2 valori dei livelli di grigio pi alti di g(s,t) nellintorno S
xy
.
g
r
(s,t) rappresenta gli mn-d pixel rimanenti. Un filtro formato dalla
media di questi pixel rimanenti chiamato filtro alpha-trimmed:
dove il valore di d pu variare da 0 a mn-1 . Quando d=0, il filtro
alpha-trimmed si riduce al filtro di media aritmetico discusso
precedentemente. Se si sceglie d = (mn-1), il filtro diventa un filtro
mediano. Per gli altri valori di d, il filtro alpha-trimmed utile nelle
situazioni che coinvolgono diversi tipi di rumore, come la
combinazione di rumore salt-and-pepper con il rumore Gaussiano.
=
) , (
) , (
1
) , (
xy
S t s
r
t s g
d mn
y x f
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri order-statistics
Immagine corrotta da rumore salt-
and-pepper con probabilit
Pa=Pb=0.1
Risultato di una applicazione del
filtro mediano di dimensione 3x3
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri order-statistics
Immagine corrotta da rumore
pepper con probabilit 0.1
Applicazione del filtro di massimo di
dimensione 3x3
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri order-statistics
Immagine corrotta da rumore salt
con probabilit 0.1
Applicazione del filtro di minimo di
dimensione 3x3
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri order-statistics
(a)Immagine corrotta da rumore
additivo uniforme.
(b)Immagine corrotta ulteriormente da
rumore additivo salt-and-pepper
Multimedia A.A. 2009/2010 S. Battiato
Applicazione dei filtri order-statistics
Immagine (b) filtrata con filtro
mediano 5x5
Immagine (b) filtrata con filtro di
media alpha-trimmed 5x5 con d=5
Multimedia A.A. 2009/2010 S. Battiato
Multimedia A.A. 2009/2010 S. Battiato
Multimedia A.A. 2009/2010 S. Battiato
Filtri Adattivi
Interessante la possibilit di rendere il filtro adattivo rispetto alle
caratteristiche statistiche locali dellimmagine, con riferimento alla
regione rettangolare definita dal filtro. Questo rende normalmente
migliore la performance del filtro, al prezzo di una sua maggiore
complessit. Un semplice filtro adattivo per la riduzione del rumore
si pu ottenere a partire dalla conoscenza di media e varianza
dellimmagine g(x,y) allinterno della regione rettangolare
(rispettivamente m
L
e
2
L
) e della varianza
2
del rumore additivo
Le considerazioni su cui si basa questo approccio sono le seguenti:
Se
2
2
L
, assunzione ragionevole data la natura
additiva del rumore e la sua indipendenza dalla posizione.
[ ]
L
L
m y x g y x g y x f =
) , ( ) , ( ) , (
2
2
>
2
L
, e porre il
rapporto uguale a 1 in caso affermativo, ma questo renderebbe il
filtro non lineare.
In alternativa, si pu lasciare che si verifichino eventuali livelli
negativi, per poi normalizzare alla fine della operazione, con
conseguente perdita di una parte della gamma dinamica
dellimmagine. Nellesempio seguente, una immagine a 256 livelli
di grigio (tra 0 e 1) corrotta da rumore gaussiano a media nulla e
varianza pari a 0.01, e trattata con un filtro di media mobile 7 x 7 e
con un filtro adattivo (non lineare) della stessa dimensione.
Multimedia A.A. 2009/2010 S. Battiato
Filtri Adattivi
Multimedia A.A. 2009/2010 S. Battiato
Approfondimenti
Photon Shot Noise: E un particolare rumore tipico dei dispositivi di acquisizione.
Assume tipicamente una distribuzione di Poisson (ma converge al rumore
Gaussiano allaumentare dellintensit luminosa)
Multimedia A.A. 2009/2010 S. Battiato
Approfondimenti
Fixed Pattern Noise
Multimedia A.A. 2009/2010 S. Battiato
Approfondimenti
Il rumore nelle componenti luminanza e crominanza va studiato
separatamente
Multimedia A.A. 2009/2010 S. Battiato
Esempi
Multimedia A.A. 2009/2010 S. Battiato
Restoration nel dominio di Fourier
Eseguire delle operazioni nel dominio di Fourier risulta
particolarmente vantaggioso e per certi versi naturale in
presenza di componenti in frequenza che presentino
caratteristiche di regolarit. Per esempio, leliminazione o
lindividuazione di un pattern regolare si presta bene a tale
scopo. In questo caso, infatti, la periodicit del pattern forza
la presenza di picchi molto evidenti nel dominio delle
frequenze. Filtrando in maniera opportuna tali picchi, si
possono quindi eliminare le frequenze indesiderate e di
conseguenza il relativo rumore periodico senza alterare il
contenuto informativo complessivo.
Multimedia A.A. 2009/2010 S. Battiato
Band-reject
Immagine corrotta
da rumore
periodico
sinusoidale,
completamente
rimosso grazie ad
un filtro band-
reject.
Multimedia A.A. 2009/2010 S. Battiato
Band-reject
E possibile isolare solo la componente periodica
(rumore):
Multimedia A.A. 2009/2010 S. Battiato
Notch Filter
Un notch filter rigetta (o fa passare) le frequenze in intorni predefiniti di
una frequenza centrale. Il numero di notch filter che pu essere
implementato arbitrario. La forma delle aree notch pu anche essere
arbitraria (per esempio rettangolare).
Multimedia A.A. 2009/2010 S. Battiato
Multimedia A.A. 2009/2010 S. Battiato
Multimedia A.A. 2009/2010 S. Battiato
Stima della funzione di degrado
Nel caso pi generale:
G(u,v) = H(u,v)F(u,v) + N(u,v)
il processo di restauro richiede una stima della funzione H
Esistono tre approcci possibili:
stima dalla osservazione della immagine
stima sperimentale
stima da un modello matematico
Il restauro di una immagine a partire da una stima della funzione H
prende anche il nome di deconvoluzione cieca (Blind
Deconvolution), poich raramente possibile conoscere
completamente la funzione H.
Multimedia A.A. 2009/2010 S. Battiato
Stima dalla osservazione dellimmagine
E lapproccio applicabile quando non si ha alcuna conoscenza a
priori della funzione di degrado, e gli unici dati a disposizione sono
costituiti dalla immagine degradata.
Se per esempio limmagine sfocata, si pu analizzarne una piccola
sezione g
s
(x,y), contenente strutture semplici, come una parte di un
oggetto e una parte dello sfondo. Per ridurre leffetto del rumore,
conviene considerare aree a forte contenuto di segnale, per esempio
una zona con edge pronunciati. Usando campioni dei livelli di
grigio delloggetto e dello sfondo, si pu costruire una immagine
non sfocata delle stesse dimensioni e caratteristiche della sotto-
immagine presa in considerazione, F
s
(x,y).
Considerando trascurabile leffetto del rumore e il degrado
invariante rispetto alla posizione otteniamo:
H(x,y)=G
s
(x,y)/F
s
(x,y)
Multimedia A.A. 2009/2010 S. Battiato
Se si ha a disposizione una attrezzatura simile a quella usata per acquisire
limmagine degradata, si pu in linea di principio ottenere una stima
accurata della funzione di degrado. Si possono infatti acquisire immagini
simili a quella da restaurare, aggiustando i parametri di acquisizione finch
non si ottengono immagini che esibiscano un degrado molto simile a quello
da correggere. A questo punto si pu ottenere la risposta impulsiva
corrispondente alla funzione di degrado, acquisendo, con le stesse
impostazioni determinate in precedenza, un impulso luminoso di ampiezza A
sufficientemente grande da poter trascurare leffetto del rumore.
In questo caso si ha:
H(u,v)= G(u,v)/A
Stima Sperimentale
Multimedia A.A. 2009/2010 S. Battiato
Stima da un modello matematico
Si tratta in questo caso di costruire un modello matematico del
processo di degrado, operazione in generale molto complessa che
spesso viene resa possibile ricorrendo ad approssimazioni o
semplificazioni dei fenomeni fisici che causano il degrado
Un noto modello di degrado proposto da Hufnagel e Stanley, che si
basa sulle caratteristiche fisiche della turbolenza atmosferica, della
forma:
dove la costante k dipende dalla natura della turbolenza (per esempio,
k=0.0025 per turbolenze severe, k=0.00025 per turbolenze di non
grande rilievo). A parte lesponente 5/6, questa equazione ricorda
quella di una gaussiana, la cui caratteristica di tipo passa-basso.
6 / 5 2 2
) (
) , (
v u k
e v u H
+
=
Multimedia A.A. 2009/2010 S. Battiato
Stima da un modello matematico
Multimedia A.A. 2009/2010 S. Battiato
Stima da un modello matematico
Spesso, infatti, il blurring uniforme modellato con un filtro passa-basso.
Un altro modello di degrado molto utilizzato quello del blurring indotto
da moto lineare uniforme tra scena e sensore durante lacquisizione. Con
alcune ipotesi semplificative (apertura e chiusura istantanee dellotturatore,
processo ottico ideale, ecc.), si ricava:
dove T la durata dellesposizione, mentre x
0
(t) e y
0
(t) sono le parti
variabili (variabili di moto) delle coordinate del punto generico
dellimmagine.
La stima richiede quindi la conoscenza delle variabili di moto.
[ ]
+
=
T
t uy t ux j
dt e v u H
0
) ( ) ( 2
0 0
) , (
Multimedia A.A. 2009/2010 S. Battiato
Stima da un modello matematico
Per esempio, se il moto lineare uniforme solo lungo lasse x
(y
0
(t)=0), ed ha la forma x
0
(t) = at/T, si ottiene:
Si noti che la H si annulla per u = n/a. Se invece si ha moto anche
lungo lasse y, con y
0
(t) = bt/T, la funzione di degrado diventa:
= = =
T
ua j T uat j
T
t ux j
e ua
ua
T
dt e dt e v u H
0
/ 2
0
) ( 2
) sin( ) , (
0
[ ]
) (
) ( sin
) (
) , (
vb ua j
e vb ua
vb ua
T
v u H
+
+
+
=
=
f f E e
Multimedia A.A. 2009/2010 S. Battiato
Filtro di Wiener
Assumendo che rumore e immagine siano incorrelati, che luno o laltra
abbia valor medio nullo, e che i livelli di grigio della stima siano una
funzione lineare di quelli dellimmagine degradata, il minimo della misura
di errore dato (nel dominio della frequenza) da:
dove H(u,v) la funzione di degrado, H
*
(u,v) il suo complesso coniugato,
|H(u,v)|
2
=H(u,v)H
*
(u,v), S
(u,v)=|N(u,v)| e S
f
(u,v)=|F(u,v)| sono
rispettivamente gli spettri di potenza del rumore e dellimmagine non
degradata.
) , (
) , ( / ) , ( ) , (
) , (
) , (
1
) , (
2
2
v u G
v u S v u S v u H
v u H
v u H
v u F
f
(
(
+
=
(u,v) costante), ma il
problema che difficilmente lo spettro di potenza del rumore e della
immagine non degradata sono noti.
Tuttavia, si pu semplificare la trattazione approssimando il filtro nel
modo seguente utilizzando una opportuna costante K:
) , (
) , (
) , (
) , (
1
) , (
2
2
v u G
K v u H
v u H
v u H
v u F
(
(
+
=
k
) la cui
espressione : x cos
k
+ y sin
k
=
j
.
Se consideriamo tutti i valori di e , lequazione precedente
diventa generale
Questa equazione, che d la proiezione (integrale di linea o
curvilineo) di f(x, y) lungo una linea arbitraria nel piano xy,
la trasformata di Radon menzionata in precedenza.
+ =
+ =
dxdy y x y x f g
dxdy y x y x f g
j k k k j
) sin cos ( ) , ( ) , (
) sin cos ( ) , ( ) , (
Multimedia A.A. 2009/2010 S. Battiato
Trasformata di Radon (Discreta)
Nel caso discreto lequazione precedente diventa:
dove tutti i simboli rappresentano quantit discrete. Se
fissiamo e permettiamo a di variare si sommano tutti i
pixel (x,y) lungo la linea definita dai valori specifici di questi
due parametri. Lincremento attraverso tutti i valori di
richiesti per coprire tutta limmagine (con fissato) porta a
una proiezione. Variando e ripetendo la procedura di cui
sopra si ottiene unaltra proiezione e cos via.
=
+ =
1
0
1
0
) sin cos ( ) , ( ) , (
M
x
N
y
y x y x f g
Multimedia A.A. 2009/2010 S. Battiato
Multimedia A.A. 2009/2010 S. Battiato
Senogrammi
Quando una trasformata di Radon g(,) viene visualizzata
come immagine con e come coordinate lineari, il
risultato detto senogramma (sinogram), concetto simile
alla visualizzazione dello spettro di Fourier (diversamente
dalla trasformata di Fourier, comunque, g(,) sempre una
funzione reale).
Come la trasformata di Fourier, un senogramma contiene i
dati necessari per ricostruire f(x, y).
Multimedia A.A. 2009/2010 S. Battiato
Senogrammi
Multimedia A.A. 2009/2010 S. Battiato
TC a raggi X
r
i
v
e
l
a
t
o
r
e
X
-
r
a
y
s
o
u
r
c
e
Usa i raggi X per generare diversi profili di attenuazione
Multimedia A.A. 2009/2010 S. Battiato
r
i
v
e
l
a
t
o
r
e
X
-
r
a
y
s
o
u
r
c
e
TC a raggi X
Multimedia A.A. 2009/2010 S. Battiato
r i v e l a t o r e
X - r a y s o u r c e
TC a raggi X
Multimedia A.A. 2009/2010 S. Battiato
r
i
v
e
l
a
t
o
r
e
X
-
r
a
y
s
o
u
r
c
e
TC a raggi X
Multimedia A.A. 2009/2010 S. Battiato
r
i
v
e
l
a
t
o
r
e
X
-
r
a
y
s
o
u
r
c
e
TC a raggi X
Multimedia A.A. 2009/2010 S. Battiato
r
i
v
e
l
a
t
o
r
e
X
-
r
a
y
s
o
u
r
c
e
TC a raggi X
Multimedia A.A. 2009/2010 S. Battiato
Per ottenere una espressione formale da una immagine
retroproiettata dalla trasformata di Radon, cominciamo con
un punto singolo g(
j
,
k
) della proiezione completa g(,
k
)
per un valore fisso di rotazione
k
.
Creare una parte di una immagine tramite la retroproiezione
di questo punto singolo consiste nel riportare la linea L(
j
,
k
) sullimmagine, dove il valore di ogni punto in quella
linea g(
j
,
k
). La ripetizione di questo processo per tutti i
valori di
j
nel segnale proiettato (tenendo, per, il valore di
fisso a
k
) d come risultato la seguente espressione:
) , sin cos ( ) , ( ) , (
k k k k
y x g g y x f
k
+ = =
Multimedia A.A. 2009/2010 S. Battiato
Laminogramma
Al variare di possiamo scrivere in generale che limmagine
formata da una retroproiezione singola ottenuta a un dato angolo
data da
Limmagine finale ottenuta dallintegrale (sommatoria) di tutte
le singole retroproiezioni:
Unimmagine retroproiettata nel modo appena descritto viene
detta, a volte, laminogramma. Un laminogramma solo
unapprossimazione dellimmagine da cui sono state create le
proiezioni.
) , sin cos ( ) , (
y x g y x f + =
= =
+ =
0 0
) , sin cos ( ) , ( y x g y x f
Multimedia A.A. 2009/2010 S. Battiato
Risultati
Multimedia A.A. 2009/2010 S. Battiato
Teorema di Fourier Slice
[ ] ) sin , cos ( ) , ( ] , [
sin ; cos
F v u F G
v u
= =
= =
La trasformata di Fourier di una proiezione
una slice della trasformata di Fourier 2D della
regione da cui stata ottenuta la proiezione
Multimedia A.A. 2009/2010 S. Battiato
Teorema di Fourier Slice
Ricostruzione tramite retroproiezioni filtrate a raggi paralleli
Ricostruzione tramite luso di retroproiezioni a ventaglio filtrate
Multimedia A.A. 2009/2010 S. Battiato
Esempi