Képek zajterhelése és szűrése
Zajterhelés alatt azt értjük, hogy a képmátrix intenzitás vagy szín értékei nem tökéletesen reprezentálják a külvilágból érkező fény információt. Az eltérés adódhat hibás szenzor elemekből (pl. egyes képpont érzékelők sérülés miatt nem végeznek tényleges mérést), vagy a mérési pontatlanság miatt a mért digitális érték ingadozhat.
Képfeldolgozó műveletek esetén fontos kérdés, hogy az algoritmusok hogyan tolerálják a zajterhelést? Valós alkalmazásokban zaj a kép készítése során kerül a képre. Ha az algoritmusainkat szeretnénk különböző típusú és mértékű zajosodás esetére is tesztelni, célszerű ezt mesterségesen a képre helyezni, mivel a gyakorlatban nagyon nehéz lehet többféle valós zajjal terhelt képet készíteni, beszerezni. Egyenletes, normál eloszlású és só-bors zajjal fogunk foglalkozni szürkeárnyalatos és színes képek esetére.
Zajszűrés alatt olyan eljárást értjük, amely a zaj típusának ismeretében próbálja annak hatását csökkenteni. A legtöbb eljárás a képtérben a képpontok egy lokális környezetét vizsgálja, az alapján határozza meg az új intenzitás vagy színértéket, ezért lokális képpont műveleteknek is hívhatjuk őket. (Figyeljük meg az eltérést a pont-operációkhoz képest: azoknál csak a vizsgált képpont értéke számít, itt egy lokális környezetben a szomszédság értékei is.)
A lokális képpont műveletek nem csak zajszűrésre használhatók, ez a megközelítés számos további művelet működési alapját jelenti (gradiens operátor élkereséshez, kép élesítés, morfológiai műveletek, ...). Az olyan lokális műveletet, amely a képpont környezet értékeinek súlyozott összeadásával dolgozik, konvolúciónak nevezzük.
Ebben a fejezetben az egycsatornás szürkeárnyalatos képekkel foglalkozunk. A színes RGB képek esetén első közelítésként a mesterséges zajterhelelést és a szűréseket végrehajthatjuk csatornánként külön, vagy áttérhetünk más színreprezentációba (YUV, HSV, Lab, stb.) és csak kiválaszott csatornákon dolgozhatunk (pl. Y).
A valós helyzet jobb közelítése az lehetne, ha ismernénk, hogy a képalkotó szenzor hogyan működik (például milyen felépítésű Bayer-rácsot alkalmaz), illetve milyen algoritmussal történik abból az RGB kép előállítása. Bizonyos kamerák képesek a nyers (RAW) mérési eredményt is biztosítani. Ezen végezhetnénk el a zajterhelés modellezését, majd a megfelelő interpolációs technikával állna elő az RGB kép. Ez az irányvonal azonban túlmutat a jegyzet keretein.
Logikailag ehhez a témakörhöz tartozik a kép élesítése. Az elmosódott, homályos képeken az élek felerősítésével érhetünk el ilyen hatást. Megvizsgálunk egy globális és egy adaptív megközelítést a probléma megoldására.
