影像處理與濾波

影像雜訊

影像雜訊是污染真實場景的、隨機而不受歡迎的像素值起伏,就是你在昏暗照片中看到的顆粒斑點,或舊掃描件上零星的明暗點。它源自擷取與傳輸光線的物理:光子隨機抵達、感測器電子元件加入熱抖動、類比轉數位又引入捨入。關鍵在於,不同的物理來源會產生統計上不同的雜訊,而選對去雜訊器完全取決於把雜訊模型搞對。

三個典型模型如下。高斯雜訊是加成性且與訊號無關的:每個像素得到一個從常態分布抽取的隨機偏移,observed = true + n,其中 n 的均值為 0、變異數為 sigma 平方;它模擬熱雜訊與讀取雜訊,也是多數濾波器所假設的。卜瓦松雜訊(散粒雜訊,shot noise)與訊號相關,因光被量子化為隨機抵達的光子而生,其變異數等於均值,所以亮區在絕對量上更吵、但相對於訊號卻更乾淨;它主宰低光攝影。椒鹽雜訊(脈衝雜訊)把零星像素設為純黑或純白,模擬壞掉或過熱的感測器像素與傳輸中的位元錯誤。

在這些之外,真實相機還加入量化雜訊(來自有限位元深度)、固定圖樣雜訊(逐像素靈敏度差異)與讀取/暗電流雜訊;真實的感測器雜訊通常是卜瓦松-高斯混合。雜訊程度以訊噪比(SNR)量化,或在比較帶雜訊影像與乾淨參考時用峰值訊噪比(PSNR)。由於卜瓦松雜訊的變異數隨亮度變化,常會套用如 Anscombe 轉換之類的變異數穩定轉換,使它表現得像定變異數的高斯雜訊,好讓標準工具適用。

在近乎全黑中以 ISO 6400 拍同一場景,陰影會因卜瓦松散粒雜訊而沸騰(最暗處最嚴重),而故障的記憶卡可能額外把畫面點綴上孤立的純白像素,這是兩種不同的雜訊,需要兩種不同的解方。

為何重要:讓去雜訊器匹配雜訊模型就是一切。中值濾波器對椒鹽雜訊理想,但用在高斯雜訊上是白費力氣;高斯濾波器則反之。誤判雜訊會導致細節被抹糊或斑點殘留。

又称
sensor noiseGaussian/Poisson/salt-and-pepper noise