Sei sulla pagina 1di 37
Restauração de Imagens Tsang Ing Ren George Darmiton da Cunha Cavalcanti UFPE - Universidade Federal
Restauração de Imagens
Tsang Ing Ren
George Darmiton da Cunha Cavalcanti
UFPE - Universidade Federal de Pernambuco
CIn - Centro de Informática
1
Tópicos Introdução Modelo de degradação/restauração Modelo de ruído Restauração no domínio espacial
Tópicos
Introdução
Modelo de degradação/restauração
Modelo de ruído
Restauração no domínio espacial
Restauração no domínio da freqüência
2
Introdução Objetivo das técnicas de restauração é melhorar uma imagem em algum aspecto, como em
Introdução
Objetivo das técnicas de restauração é melhorar uma imagem em
algum aspecto, como em realce de imagens. Restauração, entretanto,
busca reconstruir ou recuperar uma imagem que foi degradada usando
informações a respeito do processo de degradação.
Realce de imagens é subjetivo
– Processo heurístico.
Restauração é objetivo
– Modelagem do processo de degradação e aplicação do processo inverso no
sentido de recuperar a imagem original.
3
Modelo do Processo de Degradação/Restauração da Imagem Domínio Espacial ˆ g(x, y) = h(x, y)*
Modelo do Processo de
Degradação/Restauração da Imagem
Domínio Espacial
ˆ
g(x, y) = h(x, y)* f (x, y) +η(x, y) ⇒ f
(
x
,
y
)
Domínio de Freqüência
ˆ
G(u,v) = H(u,v)F(u,v) + N(u,v) ⇒ F u v
(
,
)
4
Convolução Definição: M − 1 N − 1 1 f ( x , y )*
Convolução
Definição:
M
− 1 N − 1
1
f
(
x
,
y
)*
g
(
x
,
y
) =
∑∑
f
(
m n g
,
)
(
x
m
,
y
n
)
MN
m = 0 n = 0
f (x, y)* g(x, y) ⇔ F(u,v)G(u,v)
f (x, y)g(x, y) ⇔ F(u,v)*G(u,v)
5
Modelos de ruído Fontes de ruído – Aquisição de imagens (digitalização) • Pode acontecer devido
Modelos de ruído
Fontes de ruído
– Aquisição de imagens (digitalização)
Pode acontecer devido a qualidade dos sensores, sensibilidade dos sensores a
condições ambientais.
– Transmissão de imagens
Pode ocorrer devido a interferência no canal usado para transmissão.
Propriedade espacial do ruído
– Comportamento estatísticos dos valores do nível de cinza dos pixels.
– Parâmetro de ruído, corelação com a imagem.
– Com a exceção de ruídos periódicos no espaço, assumimos que o ruído e
independente das coordenadas espaciais, e também que não é
correlacionado com a imagem original
Propriedade de freqüência do ruído
– Ruído branco é definido quando o espectro de Fourier do ruído é constante (
devido a luz branca conter quase todas as freqüências do espectro visível em
proporções iguais).
6
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Gaussiano 2 ( z − µ
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Gaussiano
2
(
z −
µ
)
1
2
p
(
z
) =
e
2
σ
2
πσ
z
Representa níveis de cinza
N
1
µ
=
z
i
N
i = 1
N
1
σ
=
(
z −
)
i µ
N
i = 1
7
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Rayleigh 2  ( z −
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Rayleigh
2
(
z
− a
)
2
(
z −
a e
)
b
para
z
a
p
( z
) =
 a
0
para
z
a
µ
=
a +
π
b / 4
2 b (4
π )
σ
=
4
8
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Erlang (Gamma) b b − 1
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Erlang (Gamma)
b b − 1
 a
z
e − az
para
p
( z
) =
z ≥ 0
(
b −
1)!
0
para
z ≤
0
b
µ
=
a
2 b
σ
=
2
a
9
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Exponencial − az  ae para
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Exponencial
− az
 ae
para
z ≥ 0
p
(
z
) =
0
para
z ≤
0
1
µ
=
a
1
2
σ
=
2
a
10
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Uniforme  1  para a
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Uniforme
1
para
a
z
b
p
(
z
) =  b
a
0
outros
casos
a
+
b
µ
=
2
2
(
b
a
)
2
σ
=
12
11
Modelos de Ruído Função Densidade de Probabilidade (PDF) Ruído Impulso (Salt and Pepper) P para
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Ruído Impulso (Salt and Pepper)
P
para
z = a
a
p
(
z
) =
P
para
z
=
b
b
0
outros casos
12
Modelos de Ruído Função Densidade de Probabilidade (PDF) Original 13
Modelos de Ruído
Função Densidade de Probabilidade (PDF)
Original
13
Modelos de Ruído Histogramas 14
Modelos de Ruído
Histogramas
14
Modelos de Ruído Histogramas 15
Modelos de Ruído
Histogramas
15
Modelos de Ruído Ruído Períodicos • Geralmente aparecem devido a interferências elétricas ou eletromecânicas
Modelos de Ruído
Ruído Períodicos
• Geralmente aparecem devido
a interferências elétricas ou
eletromecânicas durante a
aquisição das imagens
• Podem ser reduzido através
de filtragem
no
domínio
da
f
req
üê
nc a
i
i
d
o
do
ruído
s o porque o per o
corresponde
t
í
a
freqüência de uma senoíde.
16
Modelos de Ruído Estimativa dos Parâmetro de Ruído Histograma da subimagem µ = ∑ z
Modelos de Ruído
Estimativa dos Parâmetro de Ruído
Histograma da subimagem
µ
=
z p
(
z
)
i
i
z
S
i
2
2
σ
=
(
z
µ
)
p
(
z
)
i
i
z
S
i
17
Restauração na Presença de Ruído Apenas Filtro Espacial Quando a degradação presente na imagem é
Restauração na Presença de Ruído Apenas
Filtro Espacial
Quando a degradação presente na imagem é o ruído temos:
Domínio Espacial
g(x, y) = f (x, y) +η(x, y)
Domínio de Freqüência
G(u,v) = F(u,v) + N(u,v)
Os termos de ruído são desconhecidos, então subtrair de g(x,y) ou G(u,v)
não é uma opção realística. No caso de ruído periódicos, é normalmente
possível estimar N(u,v) do espectro de G(u,v). A filtragem espacial é
adequada quando o ruído é somente aditivo. Neste caso,
realce=restauração.
18
Filtros de Médias Filtro de média aritmética Filtro de média geométrica 1 1 ˆ f
Filtros de Médias
Filtro de média aritmética
Filtro de média geométrica
1
1
ˆ
f
(
x
,
y
) =
g
(
s t
,
)
mn
ˆ
mn
f
(
x
,
y
)
= 
g
(
s t
,
)
(
s t
, ) ∈
S
Mais aguçado do
que aritmética
xy
(
s t
, ) ∈
S xy
Filtro de média harmônica
Filtro de média contra-harmônica
mn
Q + 1
ˆ
g
(
s t
,
)
f
(
x
,
y
) =
Q=0, aritmética
1
ˆ
(
s t
, ) ∈
S
xy
f
(
x
,
y
) =
Q
g
(
s t
,
)
g
(
s t
,
)
Q=-1, harmônica
(
s t
, ) ∈
S
xy
(
s t
, ) ∈
S
xy
Bom para “Salt”
Falha para “Pepper”
Q<0 para “Salt”
Q>0 para “Pepper”
19
Filtros de Médias Original Ruído Gaussiano Filtro de média aritmética Filtro de média harmônica 20
Filtros de Médias
Original
Ruído Gaussiano
Filtro de média aritmética
Filtro de média harmônica
20
Filtros de Médias “Pepper” “Salt” Filtro de média contra-harmônica Q=1.5 Q=-1.5 21
Filtros de Médias
“Pepper”
“Salt”
Filtro de média
contra-harmônica
Q=1.5
Q=-1.5
21
Filtros de Médias “Pepper” “Salt” Filtro de média contra-harmônica Q=-1.5 Q=1.5 22
Filtros de Médias
“Pepper”
“Salt”
Filtro de média
contra-harmônica
Q=-1.5
Q=1.5
22
Filtros de Ordenação Filtro max e min Filtro mediana ˆ f ( x , y
Filtros de Ordenação
Filtro max e min
Filtro mediana
ˆ
f
(
x
,
y
)
= max
{
g
(
s t
,
)
}
Bom para “pepper”
ˆ
f
(
x
,
y
)
=
mediana{ (
g
s t
,
)}
(
s
, ) ∈
t
S
xy
(
s t ∈S
,
)
xy
ˆ
f
(
x
,
y
)
= min
{
g
(
s t
,
)}
Bom para “salt”
(
s
, ) ∈
t
S
xy
Filtro de ponto médio
Filtro de média alfa-cortada
1
ˆ
f
(
x
,
y
) =
g
(
s t
,
)
Removemos os valores
de tons de cinza d/2
1  max
{
g
(
s t
,
)
}
+ 
r
menores e d/2 maiores
mn
d
(
s t
, ) ∈
S
(
s t
, ) ∈
S
de g(s,t) na vizinhança
ˆ
xy
xy
f
(
x
,
y
) =
S
x,y
2 
+
min
{
g
(
s t
,
)
}
(
s t
, ) ∈
S
d=0
d=mn-1
xy
aritmético
mediana
23
Filtros de Ordenação “Salt-and-Pepper” 1 0 filtro mediano 2 0 filtro mediano 3 0 filtro
Filtros de Ordenação
“Salt-and-Pepper”
1 0 filtro mediano
2 0 filtro mediano
3 0 filtro mediano
24
Filtros de Ordenação “Pepper” Filtro max Filtro min 25
Filtros de Ordenação
“Pepper”
Filtro max
Filtro min
25
Filtros de Ordenação Ruído uniforme Ruído “salt-and-pepper” Filtro de média aritmética Filtro de média
Filtros de Ordenação
Ruído uniforme
Ruído “salt-and-pepper”
Filtro de média aritmética
Filtro de média geométrica
Filtro mediana
Filtro de média alfa-cortada
26
Filtros Adaptativos Os filtros mencionados até agora são aplicados a toda a imagem, ao contrário
Filtros Adaptativos
Os filtros mencionados até agora são aplicados a toda a imagem, ao
contrário dos filtros adaptativos, cujos comportamentos mudam de
acordo com as características estatísticas da imagem numa área
definida pelo filtros
Os filtros adaptativos podem obter melhores performances mas suas
implementações são mais complexas
A degradação da imagem é igual ao original mais ruído, nenhum outro
tipo de degradação esta sendo considerado ainda.
g(x, y) = f (x, y) +η(x, y)
27
Filtros de Redução de Ruído Local Caractéristicas do filtro de redução de ruído 2 Se
Filtros de Redução de Ruído Local
Caractéristicas do filtro de redução de ruído
2
Se
σ
é zero, o filtro deve retornar o valor de g(x, y)
η
2
2
Se
σ
>>
σ
,
retornar o valor próximo de g(x, y)
L
η
2
2
Se
σ
σ
,
retornar o média aritmética m
L
η
L
2
σ η
ˆ
f (x, y) = g(x, y) −
[
g(x, y) − m
]
2
L
σ
L
28
Filtros de Redução de Ruído Local Ruído Gaussiano Filtro de média aritmética Filtro de média
Filtros de Redução de Ruído Local
Ruído Gaussiano
Filtro de média aritmética
Filtro de média geométrica
Filtro adaptativos (7x7)
29
Filtro Adaptativo de Mediana Caractéristicas do filtro adaptativo de mediana z min =intensidade mínima em
Filtro Adaptativo de Mediana
Caractéristicas do filtro adaptativo de mediana
z min =intensidade mínima em S xy
z max =intensidade máxima em S xy
z med =mediana das intensidades em S xy
S max =maior tamanho permitido da região S xy
z xy =intensidade da imagem em (x , y)
Nível A:
A1=z med −z min
A2=z med −z max
If A1>0 AND A2<0, Vá para o Nível B
Senão aumente o tamanho da janela
Se o tamanho da janela <= S max repita o Nível A
Senão retorne z xy
Nível B:
B1=z xy −z min
B2=z xy −z max
If B1>0 AND B2<0, retorne z xy
Senão retorne z med
30
Filtro Adaptativo de Mediana Ruído “Salt-and-Pepper” Filtro mediana Mediana adaptativo 31
Filtro Adaptativo de Mediana
Ruído “Salt-and-Pepper”
Filtro mediana
Mediana adaptativo
31
Filtro Rejeita Banda Ideal Butterworth Gaussiano 32
Filtro Rejeita Banda
Ideal
Butterworth
Gaussiano
32
Filtro Rejeita Banda Ruído sinoidal Espectro de Fourier Butterworth Resultado da filtragem Filtro rejeita banda
Filtro Rejeita Banda
Ruído sinoidal
Espectro de Fourier
Butterworth
Resultado da filtragem
Filtro rejeita
banda
33
Filtro Passa Banda Os filtros passa banda performa uma operação oposta ou filtro rejeita banda.
Filtro Passa Banda
Os filtros passa banda performa uma operação oposta ou filtro rejeita
banda.
34
Filtro Passa Banda Ruído sinoidal Espectro de Fourier Butterworth Filtro passa banda Padrão do ruído
Filtro Passa Banda
Ruído sinoidal
Espectro de Fourier
Butterworth
Filtro passa banda
Padrão do ruído após um
filtro Butterworth passa banda
35
Filtros “Notch” Ideal Butterworth Gaussiano 36
Filtros “Notch”
Ideal
Butterworth
Gaussiano
36
Filtros “Notch” Ruído sinoidal Espectro de Fourier Butterworth Filtro rejeita banda Filtro banda rejeita Imagem
Filtros “Notch”
Ruído sinoidal
Espectro de Fourier
Butterworth
Filtro rejeita banda
Filtro banda rejeita
Imagem com ruído
Imagem final
37