23.03.15 3.1K

Шум изображения может ухудшить уровень детализации в цифровых или аналоговых фотографиях, и, соответственно, уменьшение шума может значительно улучшить ваше изображение при выводе на экран или печать. Проблема состоит в том, что большинство методов уменьшения или устранения шума всегда в конечном итоге приводят к смягчению изображения.

Некоторое смягчение может быть приемлемо для снимков, на которых по большей части изображена гладкая поверхность воды или небо, но, к примеру, листва деревьев на пейзажах может существенно пострадать даже от минимальных попыток понизить уровень шума.

В этой статье мы сравним несколько общих методов снижения уровня шума, а также опишем альтернативную технику: усреднение нескольких снимков с разной выдержкой, чтобы снизить уровень шума. Усреднение изображения часто применяется для снимков звездного неба, но, возможно, не так хорошо подходит для других типов съемки при малой освещенности и ночью.

При усреднении мы можем уменьшить уровень шума без ущерба для детализации, потому что при этом фактически увеличивается соотношение сигнал-шум (SNR ) вашего изображения. Дополнительным бонусом является то, что усреднение может также увеличить битовую глубину.

Усреднение может также быть полезно для тех, кто хочет имитировать гладкость ISO 100 , но чья камера поддерживает только ISO 200 (как большинство моделей цифровых зеркальных камер Nikon ).

Общая концепция

Усреднение изображений работает, отталкиваясь от того предположения, что шум в вашем изображении является на самом деле случайным. Таким образом, случайные флуктуации выше и ниже фактических данных изображения постепенно убираются, создавая одно среднее изображение из нескольких.

Если бы вы сделали два снимка гладкого серого пятна, используя те же настройки камеры и при одинаковых условиях (температура, освещение и т.д .), то вы бы получили изображения, аналогичные тем, что показаны на графике ниже:

Приведенный выше участок графика представляет в виде синих и красных полос колебания яркости пикселей верхнего и нижнего изображений соответственно. Пунктирная горизонтальная линия представляет собой среднее значение, или то, как бы выглядел этот участок, если бы уровень шума был равен нулю.

Обратите внимание, что и красная, и синяя линии пересекают нулевую отметку вверх и вниз. Если мы возьмем значение пикселя в каждой точке вдоль этой линии, и выведем среднее значение для верхнего и нижнего изображения в этой точке, то изменение яркости будет выглядеть следующим образом:

Даже с учетом того, что график усредненных значений все равно пересекает нулевую отметку, амплитуда максимального отклонения от нее значительно уменьшилась. Визуально, это проявляется в виде сглаживания изображения. Два усредненных изображения, как правило, имеют шум сопоставимый с половиной чувствительности для установок ISO . Поэтому два усредненных изображения, снятых в ISO 400 сопоставимы с одним изображением, снятым с ISO 200 , и так далее.

В общем, величина шума флуктуации уменьшается на величину, равную корню квадратному из количества усредненных изображений. Таким образом, чтобы получить снижение шума в два раза, вам нужно иметь 4 усредненных изображения.

Шум и детализация: сравнение

Следующая ситуация на реальном примере иллюстрирует эффективность усреднения изображений. Данная фотография была сделана при ISO 1600 с помощью Canon EOS 300D Digital Rebel , и на ней наблюдается слишком высокий уровень шума:

Обратите внимание, как усреднение снижает уровень шума и в то же время повышает детализацию для каждой области. Лучше всего использовать для таких задач программы для снижения уровня шума, такие как Neat Image . В следующем сравнении мы привели также результаты, полученные с ее помощью:

Neat Image лучше других приложений подходит для снижения шума на фото неба, но в то же время приводит к потере некоторых мелких деталей в ветвях деревьев или на снимках открытой кирпичной кладки. Для восстановления детализации можно использовать увеличение резкости.

Это улучшит вид изображения, однако увеличение резкости не может восстановить потерянную информацию. Фильтр Медиана — это очень простой метод, доступный в большинстве версий Photoshop . Он рассчитывает значение каждого пикселя, принимая среднее значение всех соседних пикселей.

Этот метод эффективен при удалении незначительного шума, однако он не справляется с большим шумом и устраняет детализацию на уровне пикселей. В целом, Neat Image — это лучший вариант для тех случаев, когда вы не можете использовать усреднение изображения (при ручной съемке ).

В идеале можно использовать комбинацию двух методов: усреднить изображения, чтобы увеличить отношение сигнал-шум, насколько это возможно, а затем применить Neat Image для удаления оставшегося шума:

Снижение шума с помощью Neat Image Pro Plus 4.5 при настройках по умолчанию и «автоматической тонкой настройкой»

Обратите внимание, как после применения обоих методов, нам удалось сохранить четкость вертикальных швов между кирпичами и в то же время добиться низкого уровня шума. К недостаткам метода усреднения относят требования к объему хранимой информации (несколько файлов изображений для одной фотографии ) и, возможно, более длительное время обработки.

Усреднение не срабатывает для изображений, которые имеют шумовую полосатость или шум с фиксированным узором. Обратите внимание, что на приведенном изображении ярко-белые «горячие пиксели » в левом нижнем и верхнем углах так и не исчезли после применения усреднения.

Для усреднения, в отличие от других методов, требуется нулевое смещение. Поэтому следует быть особенно осторожным при применении этой техники, и использовать ее только для снимков, сделанных с жестко закрепленного штатива.

Усреднение изображений в Photoshop с помощью слоев

Выполнение усреднения изображений с помощью слоев выполняется в Adobe Photoshop относительно быстро. Идея состоит в том, чтобы поместить каждое изображение на отдельном слое и смешать их так, чтобы каждый слой включался в финальное изображение равномерно. Если в силу определенных причин один из слоев влияет на финальное изображение больше, чем другие, смешивание изображений не будет столь эффективным.

Для выполнения этой техники сначала нужно загрузить все изображения, которые должны быть усреднены, в Photoshop , а затем скопировать и вставить каждое поверх друг друга так, чтобы они находились в том же самом окне проекта. После того, как это будет сделано, можно начинать усреднение.

Ключевой момент здесь — помнить, что в Photoshop непрозрачность каждого слоя определяет, насколько он «пропускает » нижележащий слой, и то же самое относится к каждому следующему изображению внизу. Это означает, что, например, для правильного усреднения четырех изображений не следует устанавливать непрозрачность каждого слоя на 25%.

Вместо этого непрозрачность нижнего (фонового ) слоя нужно установить на 100%, для слоя поверх него — 50%, следующего — 33%, и, наконец, верхнего слоя — 25%.

Для усреднения любого количества изображений, процент непрозрачности каждого слоя рассчитывается следующим образом:

Когда нужно выполнять усреднение изображений, а не просто установить большую выдержку при низкой скорости ISO ? Ниже приведен перечень случаев, когда более эффективной может оказаться описанная выше процедура:

• Чтобы убрать слишком сильный шум с фиксированным узором из-за длинной выдержки;
• Для камер, которые не имеют режима лампы, вы можете ограничить выдержку до 15-30 секунд. Для таких случаев необходимо учитывать следующее: нужно делать два снимка при ISO 800 и выдержке 30 секунд, чтобы они были приблизительно эквивалентны (как по яркости, так и по уровню шума ), и еще один при выдержке 60 секунд и ISO 400 . Возможны и другие комбинации;
• В ситуациях, когда вы не можете гарантировать прерывание за определенный момент времени без воздействия на аппаратуру захвата или сцену. В качестве примера, можно привести фото, снимаемые в общественном месте, когда вам нужно обеспечить низкий уровень шума, но вы не можете установить достаточно длительную выдержку, потому что напротив объекта съемки постоянно проходят пешеходы. В таком случае вы можете сделать несколько коротких снимков в интервалах между проходами пешеходов;
Хорошо Плохо

Шумы могут быть случайные аналоговые, импульсные и различного рода детерминированные.

Случайные аналоговые шумы

Случайные аналоговые шумы порождаются, как правило, гранулярной структурой фотографического материала, но котором изготовлен оригинал. Шумы становятся актуальными при увеличении более чем в 8 раз.

Для устранения таких шумов применяются методы сглаживающей фильтрации.

Действие этих методов основано на цифровой фильтрации путем усреднения значения сигнала по окрестности считываемой пиксели. В программах типа PhotoShop эти сглаживающие фильтры носят название Blur, Gaussian Blur.

Blur даст прямое усреднение. Gaussian Blur вводит веса пиксель в матрицу усреднения по закону Гаусса.

Blur является устаревшим так как не позволяет регулировать степень усреднения. Степень сглаживания регулируется неоднократным применением фильтра.

Gaussian Blur более современный. В нем можно регулировать параметр усреднения, регулируя таким образом сглаживание.

Необходимо помнить, что использование таких фильтров может приводить к потери резкости изображения, так как усредняется не только шумовая структура, но и пиксели формирующие границу изображения. В некоторых случаях целесообразно после процедуры сглаживания дополнительно осуществлять процедуру нерезкого маскирования.

Случайные импульсные шумы

Под случайными импульсными шумами понимаются относительно редко расположенные единичные дефекты, типа царапин, пылинок. Применительно к ним процедура сглаживания обычно не эффективна в результате того, что размеры таких дефектов достаточно велики.

Для устранения таких дефектов применяются фильтры ранго-порядкового класса. Такие ранго-порядковые фильтры создают серии пиксель вдоль строки, упорядочивают эти серии, располагая их по порядку возрастания, откидывают минимальные и максимальные значения пиксель, которые могут быть дефектными и находят среднее значение в этой серии. Это среднее значение ставят на место анализируемой пиксели.

Таким образом можно устранить относительно мелкие дефекты как типа царапин, так и типа пыли. В принципе можно изменять длину серии и таким образом осуществлять селекцию более крупных дефектов.

Однако, для достаточно крупных дефектов, которые превышают длину серии пиксель этот метод не применим.

Именно по этому методу работает фильтр Dust and Scratches.

При более крупном импульсном шуме необходимо прибегать к полуавтоматическому ретушированию, в котором устранение дефектов изображения осуществляется путем замены дефектных пиксель на окрашенные пиксели из их ближнего окружения. Из ближнего окружения выбирается пикселя и сажается на дефектное место.




В программном обеспечении такая процедура называется штамп и требует значительных затрат времени. Прежде чем приступить к такой процедуре необходимо проанализировать изображение в масштабе увеличения при репродуцировании и устранить те дефекты, которые будут заметны при этом масштабе. В принципе, такая же процедура может быть использована и для редакционной коррекции, когда необходимо дополнить какие-то утраченные детали изображения.

Детерминированные шумы изображения

Наиболее ярким представителем детерминированных шумов изображения является растровая структура изображения, если в качестве оригинала используется полиграфический оттиск.

Считывание растрового изображения может привести к нежелательному взаимодействию растровой структуры изображения с новой растровой структурой генерируемой в процессе фотовывода.

Возможно два пути решения этой проблемы:

1. устранение растровой структуры оригинала в процессе сканирования и обработки. Для этого используются методы подобные методам аппретурной фильтрации при считывании изображения с большей апертурой, или их цифровой аналог, то есть усреднение пиксель и формирование усредненного сигнала.

Теоретически и экспериментально показали, что наилучшие результаты получаются при согласовании размера апертуры с размерами растрового элемента растровой структуры оригинала. Поэтому в процессе сканирования необходимо точно определить линиатуру растра, который использовался в оригинале и фильтр де растрирования выбирать в соответствие с этой линиатурой.

Для определения линиатуры растра в оригинале возможно использование специальных тестов. Некоторые современные программы, например LinoColor, позволяют в процессе предварительного сканирования определять линиатуру и в соответствие с ней устанавливать оптимальный фильтр дерастрирования.

Недостатки такого устранения:

1) потеря резкости изображения;

2) в следствии различных углов поворота растровых структур изображения для разных красок, полного согласования апертуры дерастрирования и растровой структуры не происходит и неизбежны остаточные флуктуации в изображении (муарообразование).

2. считывание растровой структуры с ее полным сохранением. В результате мы получим при считывании трех растровых цветоделенных изображения с сохранением растровой структуры. По сути дела мы получим изображение в системе СМУК. Далее это изображение можно перевести в Lab потеряв таким образом информацию о растровой структуре. Затем всю обработку перевести в Lab и перейти в СМУК со своей растровой структурой.

Для этого необходимо считывать с высоким разрешением. СopiDot – соответствующее программное обеспечение для перевода СМУК в Lab.

В настоящее время сложность заключается в том, что считывание цветных изображений имеет значительные трудности. Поэтому такого рода технология CopiDot, в настоящее время, используется для считывания фотоформ растрированных и цветоделенных.

Особенно интересна эта технология, которая в последнее время сильно развилась, необходимостью использования каких-то архивных фотофрм технологии C-t-P (компьютер-печатная форма).

3. перерастрирование с использованием растра нерегулярной структуры (частотно-модулированного).

В первой части этого урока мы разобрали причины появления шума в фотографии , его составные, и что делать, чтобы не провоцировать их появление. В этом уроке мы узнаем как уменьшить шумы в Фотошопе, Capture One, Digital Photo Professional и Lightroom . Все эти программы имеют инструмент для уменьшения шума в фотографии, именуемый на жаргоне фотографов «шумодав ».

На данном этапе необходимо понимать что:
• Если во время съемки есть только две альтернативы: сделать кадр без шумов (низкая чувствительность матрицы фотокамеры) но нерезкий, или с шумами, но резкий, то я выбираю второй вариант. Ибо от нерезкости уже не избавиться, а вот с шумами побороться еще можно.
• Не всегда надо полностью удалять шумы в фотографии, часто достаточно лишь уменьшить его уровень до приемлемого.
• Яркостный и хроматический шумы удаляются по-разному.
• При 100% масштабе снимка на мониторе мы видим шумы в несколько раз большие по площади, чем они будут на отпечатке, в полиграфическом издании или онлайновом фотоальбоме.




В этом уроке встречаются большие фотографии, которые автоматически масштабируются, если размер вашего экрана меньше необходимого. Когда это произойдет, то в верхнем правом углу фотографии появится кнопка увеличения до 100%. Только этот масштаб позволит вам точно оценивать силу и размер шумов. Чтобы посмотреть те части иллюстрации, которые оказались скрыты, перетаскивайте изображение мышью за ее центральную часть. Чтобы закрыть фотографию и вернуться к статье нажмите клавишу Esc.

Исходные условия: в моей камере отключены все шумодавы, съемка ведется в формат RAW , чувствительность установлена на 3200 единиц (я еще допускаю такое ее значение в своих съемках) и 6400 единиц (посмотрим, могу ли я использовать эту чувствительность в экстренном случае). Для контроля был снят кадр на чувствительности матрицы 100 единиц. Для всех снимков была сделана экспокоррекция +0,5 ступени. Это несколько увеличило уровень шумов на фотографиях, но во время съемки случаются ошибки по экспозиции, поэтому такая коррекция ближе к практической ситуации для фотографа. Из тестовых снимков были вырезаны (фото 1 ): а) фрагмент с упаковки корма Шныря (для контроля резкости по тексту и искажений цвета); б) шкала с полями различной светлоты (контроль силы шумов в разных тональностях); в) фрагмент тела мифического существа Гавы (для пущей красоты). На фото 2 мы видим, что с увеличением чувствительности растут шумовые пятна на всех полях мишеней, что вполне естественно и ожидаемо.

Фото 1: тестовая фотография.
Фото 2: увеличение чувствительности матрицы фотокамеры приводит к усилению шумов.
Фото 3: ослабление яркостных шумов уменьшает резкость мелких деталей в снимке.


Как убрать шум в Фотошопе (Photoshop).

Ах, проказники, снимали не в формат RAW или забыли убрать шум на этапе конвертирования RAW-файла? Бывает и такое. Открываем в Фотошопе нашу фотографию, далее в меню: Filter > Noise > Reduce Noise… (Фильтр > Шум > Уменьшить шум…). Вот наш первый тестируемый шумодав.

Яркостный шум. Именно первые два ползунка (Strength и Preserve Details) отвечают за его уменьшение. Если потянуть Strength (Сила) к правому краю, то мы увидим, что яркостные шумы уменьшаются, но и текст становится более размытым (фото 3 ). Главное зло яркостных шумов: борьба с ними приводит к снижению резкости и деталировки фотографии. Внимательный читатель заметит, что ползунок Preserve Details (Сохранить детали), как раз, и предназначен для того, чтобы изображение не потеряло в качестве. Двиньте второй ползунок правее, и вы увидите, что резкость и деталировка возвращаются. Но с ней возвращаются и шумы, получается «поменяли шило на мыло». Установки, которые использовал для ISO 3200: Strength – 9, Preserve Details 6%. Если в вашей фотографии нет мелких деталей, как текст, фактура, то Preserve Details можно уменьшить вплоть до 0. Для ISO 6400 данные настройки оказались слабоваты, поэтому Strength я увеличил до 10, а Details было уменьшено до 3%, несколько в ущерб резкости текста (фото 5 ).

Хроматический (цветной) шум кажется меньшим злом. Двинув ползунок Reduce Color Noise до максимального значения (фото 4 ) резкость текста не снижается, цветовые шумы почти исчезают, но объекты небольшого размера теряют насыщенность цвета (посмотрите на красное и синее поле). Так же обратите внимание, что вокруг красных плашек образуется цветной ореол. Иногда, такое изменение цвета мелких деталей может быть критичным и невозможным для фотоснимка. Поэтому, надо стараться применять шумоподавление в минимальной степени: для ISO 3200 я применил значение Reduce Color Noise 70%, а для ISO 6400 – 100%.

На фото 5 и 6 вы видите итог работы шумодава в Фотошопе. Если для ISO 3200 после щумоподавления шумы проявляют себя на терпимом уровне и еще остаётся некоторый резерв по их большему подавлению, то для ISO 6400 они уже чрезмерны для некоторых съемок, и я бы старался всячески избегать использования этой чувствительности матрицы.

Фото 4: уменьшение цветного шума может привести к снижению насыщенности цвета деталей и цветным ореолам.
Фото 5: уменьшили шум в Фотошопе, ISO 3200.
Фото 6: результат применения шумодава Фотошопа для ISO 6400.


Выводы: уменьшение яркостных шумов невозможно без снижения резкости фотографии. Применение шумодава дает возможность использования чувствительности 3200 единиц, но чувствительность 6400 может не подойти при повышенных требованияхк качеству фотографии. Если делать фотографии для интернета или печати небольшого размера, то я допустимо использование чувствительности 6400 единиц. Уменьшая яркостные шумы в фотографии, мы не избавляемся от хроматических, и наоборот.

Уменьшение хроматического шума в фотографии иногда может оказаться незамеченным зрителем. Но если при съемке важна точность цветопередачи в небольших деталях, то чрезмерное использование настроек шумодава в Фотошопе недопустимо, например при предметной съемке или в фуд-фотографии . Чем «нежнее» установки шумодава мы используем (не только у Фотошопа, вообще любого), тем качественней наше изображение после обработки.

Digital Photo Professional

Вторым для этого урока я выбрал Canon Digital Photo Professional (далее DPP). Это очень простой конвертор RAW-файлов для фотокамер Canon и именно с его помощью я знакомлю студентов курса фотографии для начинающих с возможностями RAW-формата. Для того чтобы попасть на шумодав DPP надо на Tool Palette (палитре инструментов) выбрать вкладку NR/Lens/AOL. Нас, естественно, интересует блок Noise reduction (уменьшение шума), в котором находится всего два ползунка: Luminance… - для уменьшения яркостного шума, и Chrominance… - для хроматического (фото 7 ). Как и в случает с шумодавом Фотошопа я постарался применить такие установки в DPP чтобы соблюдался баланс качества для мелких деталей и гладких поверхностей. Для ISO 3200 использовались следующие параметры: Luminance - 7, Chrominance – 12 (фото 8 ). Для ISO 6400 - 12 и 20 соответственно (фото 9 ). Результат очень похож на тот, что был получен в шумодаве Фотошопа.

Настройка шумодава в DPP. Я заметил, что при отключенных в моей фотокамере шумодавах, DPP применяет собственное шумоподавление к RAW-файлам. Каждый раз выключать шумоподавление фотографий не удобно, поэтому надо сделать так, чтобы по умолчанию DPP его не применял. Для этого зайдите в настройки DPP (клавиши Ctrl + K), перейдите на вкладку Tool palette (палитра инструментов), включите переключатель Set as defaults, установите все ползунки на 0, нажмите OK, и перезагрузите DPP (фото 10 ).

Фото 7: шумодав Canon Digital Photo Professional.
Фото 8: результат применения шумодава DPP для ISO 3200.
Фото 9: результат применения того же шумодава для ISO 6400.
Фото 10: настройки шумодава DPP.


Capture One

На сегодняшний день Capture One мой основной конвертор RAW-файлов. Как и в случае с DPP его шумодав (фото 11 ) не отключен, и применяется к RAW-файлом независимо от настроек камеры. Причем, даже тогда, когда в уменьшении шума нет необходимости, например при низкой чувствительности. Я провел небольшое исследование алгоритма работы шумодава в Capture One, и это меня настолько заинтересовало, что я решил почитать справку этого RAW-конвертора. Увы, никакой полезной информации по принципам работы шумодава в Capture One я не нашел. Поэтому далее будут описаны результаты моих домыслов, предположений и изысканий.

Согласно справки Capture One, шумодав этого конвертора меняет свои настройки после анализа файла. Признаюсь, за несколько лет работы в Capture One, я корректировал настройки его шумодава лишь несколько раз. Шумодав работает так нежно, интеллектуально, ненавязчиво и превосходно в автоматическом режиме, что я просто забыл о его существовании.

Первое что я проверил, как улучшится моя фотография когда я уберу настройки шумодава для ISO 100. И ничего не произошло. То есть если нет шумов, то шумодав и не работает. Затем я заметил, что при увеличении чувствительности меняется лишь значение Color (воздействие на цветовые шумы), но не Luminance (яркостные шумы). Тогда я предположил, что при одинаковом значении Luminance и с ростом чувствительности яркостные шумы будут расти пропорционально тому, как это происходит при отсутствии шумоподавления. Не тут-то было. Шумы выросли, но не столь значительно. Не стану гадать, как это происходит, но результат интеллектуальности Capture One меня порадовал.

В следующем эксперименте я попытался найти то минимальное значение настроек шумодава, которое бы меня удовлетворило, и сравнить, насколько мягче мои установки с теми, что предлагает Capture One по умолчанию. Изменения были столь незначительны, что ими можно пренебречь: для ISO 3200 Capture One предлагал значение 25 и 54 (Luminance и Color), я же нашел допустимыми и более мягкие значения: 20 и 50 соответственно. Для ISO 6400 собственные установки шумодава Capture One меня полностью удовлетворили, и я их не трогал (25 и 57).

Есть еще несколько приятностей, позволяющих сделать шумоподавление еще эффективней. Surface (поверхность) позволяет уменьшать шумовые пятна крупного размера на малоконтрастных, гладких поверхностях, не задевая при этом мелкие детали, такие как текст (значение 70 для ISO 3200 и 90 для ISO 6400). Single Pixel позволяет удалять одинопиксельный шум (отдельные выбитые пиксели) без потери мелких деталей. Правда такие пиксели у меня появляются только при ISO 6400 или при перегреве матрицы в режиме Live View. Не смотря на то, что в тесте шумодавов использовалась чувствительность матрицы 6400 единиц, я не задействовал данную настройку Capture one, так как воздействия основных инструментов было достаточно.

Я очень доволен качеством и возможностями шумодава Capture One. В отличие от рассмотренных выше шумодавов, Capture One не создает цветовые ореолы и не уменьшает насыщенность цвета в небольших деталях снимка. Цветные шумы в затененных участка подавляются так же значительно лучше, чем у предыдущих конкурентов. Это говорит о высоком качестве алгоритма работы уменьшения цветового шума. Благодаря действию Surface яркостные шумы тоже выглядят слабее, особенно на однотонных поверхностях.

Результаты шумоподавления в Capture One вы можете увидеть на фото 12 и 13 . Однако, осталось испытать конкурента среди RAW-конверторов - шумодав в Lightroom.

Фото 11: шумодав Capture One.
Фото 12: результат применения шумодава Capture One для ISO 3200.
Фото 13: результат применения того же шумодава для ISO 6400.


Lightroom и Adobe Camera RAW

Я даже скачал новый Lightroom - 4.3... Во всех предыдущих версиях Lightroom, его шумодав, по мнению пользователей, считался слабым звеном и не рекомендовался к использованию. Т.е. после конвертирования RAW-файлов в Lightroom уменьшение шумов надо было выполнять в Фотошопе. Но шумодав Фотошопа сильно проигрывает в качестве работы хотя бы Capture One, и я никак не могу рекомендовать данную цепочку (Lightroom > Фотошоп) для шумоподавления. Краем уха я встречал упоминание на форумах о том, что шумодав Lightroom, начиная с четвертой версии, был улучшен. Желая уточнить эту информацию у опытных пользователей, я вновь попал на форумы по Lightroom. И то, что я там прочел, меня никак не порадовало: тормоза, трудности в работе, глюки, в общем, всё как всегда с конвертором RAW-файлов от Adobe. Это окончательно отвратило меня от установки Lightroom, и вместо его шумодава я буду тестировать аналогичный инструмент Фотошопа – Adobe Camera RAW. Я давно заметил, что настройки этих двух продуктов Adobe идентичны, и приводят к одинаковым результатам после обработки RAW-файлов. То есть алгоритмы работы обеих программ одинаковы (было бы странно одному производителю делать две версии шумодава). Если я не прав, и у вас есть для этого серьезные основания, сообщите мне об этом.

Для того чтобы уменьшить шумы в Adobe Camera RAW необходимо перейти на вкладку Detail (Детали). Этот шумодав имеет больше настроек, нежели шумодав в Фотошопа (фото 14). По умолчанию, для файлов обеих чувствительностей Camera RAW предлагает не уменьшать яркостные шумы, но снижать цветовые (Luminance – 0, Color - 25, Color Detail - 50). При этих установках цветовой шум прекрасно подавлен, и (как в Capture One) я не замечаю цветных ореолов. Прекрасно. Ползунок Color Detail (цветные детали) помогает регулировать (возвращать) насыщенность цвета для небольших деталей (помните, в шумодаве Фотошопе с этим была проблема). Я оставил значение Color Detail по умолчанию, т.е. 50. А вот основную установку Color я снизил до 15 (для ISO 3200) и 20 (ISO 6400).

Яркостные пятна на гладких поверхностях оставались различимыми, но ненавязчивыми при значении Luminance – 55 (для ISO 3200) и 70 (ISO 6400), но при этом давали легкое снижение деталировки текста. Поэтому я выбрал компромиссное значение Luminance Detail – 40 (для ISO 3200) и 50 (ISO 6400).

Мне так понравилось как уменьшает шумы Adobe Camera RAW (фото 15 и 16 ) что я задумался о допустимости более широкого использования чувствительности 6400 на моей фотокамере. Если бы к этому шумодаву добавить настройку Surface как в Capture One, то ему не было бы равных. Интересно, как распределятся места среди лидеров шумодавов в финале этого урока фотографии.

Фото 14: шумодав Adobe Camera RAW (настройки идентичны Lightroom).
Фото 15: результат применения шумодава Adobe Camera RAW для ISO 3200.
Фото 16: результат применения того же шумодава для ISO 6400.


Результаты тестирования шумодавов

Результаты теста шумодавов на фото 17 и 18: худшие - вверху, лучшие - внизу. При съемке с высокими значениями чувствительности я не рекомендую использовать шумодав Фотошопа для растровых изображений и Canon Digital Photo Professional. Основная причина – сильные цветовые ореолы вокруг цветных деталей в фотографии. Так же в этих шумодавах трудно найти компромисс между уровнем яркостных шумов на гладких поверхностях и резкостью мелких деталей. Capture One, на фоне первых двух, выглядит в выигрышном положении, пока в работу не вступает шумодав Adobe Camera RAW. Последний показал, что во многих случаях я могу использовать чувствительность 6400 и для коммерческих съемок: восхитительное уменьшение яркостных шумов для гладких поверхностей при сохранении мелких деталей и хорошая работа по уменьшению цветового шума. На что же жалуются работающие в Lightroom я не понимаю?

Фото 17: Сравнительная таблица шумодавов для ISO 3200.
Фото 18: Сравнительная таблица шумодавов для ISO 6400.
Фото 19: Очаровательный шум.


Заключение

Если во время съемки вы хотите использовать высокие значения чувствительности, то начните бороться с шумами еще на этапе съемки – снимайте в формат RAW. Не перекладывайте процесс уменьшения шумов на Фотошоп, сделайте это в RAW-конверторе при коррекции фотографий. Используйте тот конвертор, который с меньшими потерями (а потери неизбежны) уменьшит шумы в фотографии. Используйте минимальные значения установок шумодава.

Если фотография имеет сильные шумы, то в некоторых случаях можно ограничиться уменьшением лишь цветовых пятен. Оставшиеся яркостные шумы будут очень похожи на зерно фотопленки. Иногда такая имитация зерна даже предпочтительней, чем гладкая картинка цифровой фотокамеры. Например, если вы стилизуете фотографию под старинную. В иных же случаях зерно может дать определенный шарм снимку (фото 19 ). Недаром существуют фильтры Фотошопа, создающие подобное пленочное зерно. Но, это тема для другого урока.

PS: В этом тесте шумодавов использовались не самые новые версии Adobe Camera RAW и Capture One. Поэтому, возможно, что алгоритмы уменьшения шумов в этих программах стали еще более совершенными.
PPS: Не шумите!

Изобретение относится к способам удаления шума в изображении и может быть использовано для улучшения качества изображения. Техническим результатом является упрощение удаления шума и повышение качества получаемого цифрового изображения, это достигается тем, что за счет преобразования яркости пикселей изображения с шумом путем решения уравнения диффузии недивергентной формы обеспечивается одновременное подавление шума и сохранение кромок изображения. 2 з.п. ф-лы, 1 ил.

Рисунки к патенту РФ 2316816



Область техники, к которой относится изобретение

Изобретение относится к способам удаления шума в изображении и может быть использовано для улучшения качества изображения.

Предшествующий уровень техники

К настоящему времени известны различные способы удаления шума в изображении.

Например, в патенте US 6463182, Canon Kabushiki Kaisha, 08.10.2002, G06K 9/40 описывается устройство и способ удаления шума в изображении, в которых данные изображения с искажениями разделяют на блоки и корректируют шум в зависимости от положения каждого пикселя изображения в блоке.

В патенте US 5933540, General Electric Company, 03.08.1999, G06K 9/00 приводится система и способ уменьшения шума и улучшения качества кромок цифрового изображения путем определения фонового значения шума на всем изображении и его удаления с помощью системы фильтров.

Известен способ удаления случайных шумов (патент US 5225915, Xerox Corporation, 06.07.1993, H04N 1/40) за счет применения к данным изображения в качестве фильтра модифицированной функции Лапласа, имеющей максимум на частоте, оптимальной для удаления шума.

Наиболее близким к заявленному изобретению является способ уменьшения шума на изображении, предполагающий использование дифференциальных вычислений (Later, Catte, Morel et al.). В данном способе изображение с шумом преобразовывают параболическим уравнением, в результате чего удаляют шум на изображении, получая изображение без шума. Данный способ выбран в качестве прототипа заявленного изобретения. Недостатком приведенных выше аналогов и прототипа является нестабильность решений математического выражения, описывающего шум, и размывание изображения в результате его применения. Отличие заключается в использовании другого (более простого) уравнения, которое не имеет указанных недостатков и проще в решении.

Сущность изобретения

Задачей заявленного изобретения является создание способа удаления шума на кромках многомерного изображения, позволяющего упростить способ удаления шума, повысить качество получаемого изображения на кромках, а именно сохранить форму кромок, не размывая их.

Поставленная задача решена путем создания способа удаления шума на изображении, включающего в себя этапы, на которых:

Получают от внешнего устройства многомерное изображение с кромками, состоящее из пикселей и имеющее шум;

Определяют в модуле координат яркость пикселей для координат всех пикселей многомерного изображения, где n - количество измерений;

Записывают массив данных яркости пикселей многомерного изображения в память;

Производят в фильтре для всех пикселей многомерного изображения следующие операции:

Задают зависимость яркости пикселей изображения двумерным уравнением диффузии недивергентной формы вида

, (1)

где - релаксационный параметр, - функция от координат пикселей многомерного пространства и релаксационного параметра, k - коэффициент диффузии, , где - параметр сглаживания итогового изображения около кромок, и чем больше значение этого параметра m , тем слабее сглаживание итогового изображения без шума около кромок, - параметр сглаживания итогового изображения без шума в областях, где нет кромок, чем больше значение этого параметра, тем слабее сглаживание итогового изображения без шума в областях, где нет кромок;

Численно решают n-мерное уравнение диффузии (1) с начальным условием , находя решение при значении релаксационного параметра , которое определяет общую степень сглаживания итогового изображения без шума, чем больше эта величина, тем сильнее сглаживается изображение, при этом получают совокупность координат пикселей итогового изображения без шума;

Записывают яркость пикселей итогового изображения без шума в память;

Выводят итоговое изображения без шума на устройство отображения.

Для функционирования способа существенно, чтобы внешнее устройство было выполнено в виде камеры стереозрения, сканера, цифрового фотоаппарата или других аналогичных устройств.

Для функционирования способа желательно, чтобы получали от внешнего устройства многомерное изображение с кромками, имеющее шум в виде нормального распределения.

Техническим результатом заявленного изобретения является упрощение способа удаления шума и повышение качества получаемого изображения за счет преобразования яркости пикселей изображения с шумом путем решения указанного уравнения диффузии, что обеспечивает одновременное подавление шума и сохранение кромок.

Для лучшего понимания настоящего изобретения далее приводится его подробное описание с соответствующими чертежами.

Блок-схема системы для осуществления заявленного способа согласно изобретению изображена на чертеже.

Система для осуществления заявленного способа включает в себя внешнее устройство 1, вычислительное устройство 2 и устройство отображения 3, причем вычислительное устройство 2 содержит память 4, модуль 5 определения яркости и фильтр 6.

Рассмотрим более подробно функционирование согласно заявленному способу.

Сначала получают от внешнего устройства 1 многомерное изображение с кромками, имеющее шум. Определяют в модуле 5 яркость пикселей многомерного изображения, где и n - количество измерений. Записывают массив данных яркости пикселей многомерного изображения в память 4.

Производят в фильтре 6 для всех пикселей многомерного изображения следующие операции:

задают зависимость яркости пикселей многомерного изображения уравнением диффузии вида

,

где - неизвестная функция, t - релаксационный параметр (его значение будет описано ниже), x - координаты пикселя изображения в n -мерном пространстве. Для двумерных изображений размерность пространства (в этом случае можно считать ), для специальных видов изображений размерность может быть больше. В уравнение также входят , В рассматриваемом решении предлагается использовать коэффициент диффузии в виде где . Значение параметра (как и значение m ) влияет на степень сглаживания изображения.

Основной способ использования уравнения диффузии заключается в том, что исходное изображение рассматривается как начальные данные для указанного уравнения при ,

Рассматривая эволюцию решения при увеличении значения параметра t , получают различные сглаженные версии исходного изображения. Таким образом, еще одним неявным параметром фильтра 6 является конечное значение релаксационного параметра, T . Результат работы фильтра 6 есть

Заметим, что поскольку коэффициент диффузии есть нелинейная функция, результат работы фильтра 6 есть нелинейное преобразование исходного изображения. Это делает процесс фильтрации зависимым от изображения. Различные изображения сглаживаются по-разному. Это несколько затрудняет универсальную оценку качества сглаживания.

Для решения указанного выше диффузионного уравнения используют коэффициент диффузии вида Параметр связан с масштабом представления яркости изображения и влияет на характер сглаживания изображения в областях, где нет кромок. При малых значениях параметра сглаживание будет более сильным, чем при больших. В качестве значения этого параметра обычно берут . Параметр m влияет на сглаживание изображения в окрестностях кромок, чем больше значение этого параметра, тем слабее будет сглаживание около кромок. Обычно достаточно использовать значение или . Параметр влияет на общее сглаживание изображения. При увеличении этого параметра увеличивается общее сглаживание исходного изображения. В качестве граничных условий на краях изображения наиболее удобно брать условие .

Исходное изображение дискретизуют на многомерной сетке, получая матрицу яркости изображения .

Численно решают n-мерное уравнение диффузии. Для решения данного уравнения применяют неявную разностную схему с расщеплением с использованием метода дробных шагов. Решение уравнения при получают при помощи решения описываемого ниже разностного уравнения. Один полный цикл решения многомерного разностного уравнения соответствует вычислению решения для значения исходя из значений решения для значения релаксационного параметра . Численная схема допускает грубую оценку решения при любом значении за один шаг, для более точных расчетов рекомендуется делать несколько шагов с меньшими значениями .

Входными данными для одного шага расчета является матрица яркости изображения при значении параметра . На выходе получим значения яркости при

В качестве предварительного шага вычислим матрицу коэффициентов диффузии Как альтернативный вариант возможно прямое вычисление коэффициента по данной формуле в месте непосредственного использования.

Для сведения решения многомерного разностного уравнения к последовательности одномерных уравнений предлагается использовать расщепление по методу дробных шагов. Здесь n - размерность изображения (пространства).

Один шаг по параметру t для исходного многомерного уравнения предлагается заменить на n последовательных элементарных шагов по отдельным измерениям, где на каждом элементарном шаге решают одномерное уравнение вида

В качестве начальных значений для самого первого подшага берут исходное значение яркости при : Результат вычисления после n подшагов есть искомое значение яркости при

Элементарные шаги по параметру t выбирают равными, например, где - пространственная частота дискретизации для сетки (можно также ввести этот параметр и для вычисления коэффициента диффузии). Значение можно задать выражением

Покажем, как решаются полученные одномерные задачи. Получаемые элементарные задачи являются одномерными, т.к. все индексы переменных, кроме являются фиксированными. Поэтому при рассмотрении одной такой задачи отбрасываем постоянные индексы.

Каждая элементарная задача распадается на независимых трехдиагональных систем линейных уравнений относительно имеющая вид где для рассматриваемого случая а граничные условия имеют вид где r - количество узлов сетки (размер изображения в пикселях по данному измерению). Для решения указанной системы линейных уравнений применяют метод прогонки: сначала выполняют прямой ход подстановки: указанные уравнения преобразуют к виду (вычисляются коэффициенты шаге, используют правое граничное условие и вычисляют

В итоге выводят итоговое изображение без шума на устройство отображения 3.

Хотя указанный выше вариант выполнения изобретения был изложен с целью иллюстрации настоящего изобретения, специалистам ясно, что возможны разные модификации, добавления и замены, не выходящие из объема и смысла настоящего изобретения, раскрытого в прилагаемой формуле изобретения.

ФОРМУЛА ИЗОБРЕТЕНИЯ

1. Способ удаления шума в изображении включает в себя этапы, на которых получают от внешнего устройства многомерное изображение с кромками, состоящее из пикселей и имеющее шум; определяют в модуле координат яркость пикселей u 0 (x) для координат х=(х 1 , ..., х n) всех пикселей многомерного изображения, где n - количество измерений; записывают массив данных яркости пикселей многомерного изображения в память; производят в фильтре для всех пикселей многомерного изображения следующие операции: задают зависимость яркости пикселей изображения двумерным уравнением диффузии недивергентной формы вида

где t - релаксационный параметр;

u=u(x,t) - функция от координат пикселей многомерного пространства и релаксационного параметра;

k - коэффициент диффузии,

,

где m>2 - параметр сглаживания итогового изображения около кромок, и чем больше значение этого параметра m, тем слабее сглаживание итогового изображения без шума около кромок;

М - параметр сглаживания итогового изображения без шума в областях, где нет кромок, чем больше значение этого параметра, тем слабее сглаживание итогового изображения без шума в областях, где нет кромок;

численно решают n-мерное уравнение диффузии (1) с начальным условием u(х,0)=u 0 (x), находя решение при значении релаксационного параметра t=T, которое определяет общую степень сглаживания итогового изображения без шума, чем больше эта величина, тем сильнее сглаживается изображение, при этом получают совокупность координат пикселей итогового изображения без шума; записывают яркость пикселей итогового изображения без шума в память; выводят итоговое изображения без шума на устройство отображения.

2. Способ по п.1, отличающийся тем, что внешнее устройство выполнено в виде камеры стереозрения, сканера, цифрового фотоаппарата или других аналогичных устройств.

3. Способ по п.1, отличающийся тем, что получают от внешнего устройства многомерное изображение с кромками, имеющее шум в виде нормального распределения.

Изображение может повреждаться шумами и помехами различного происхождения, например шумом видеодатчика, шумом зернистости фото материалов и ошибками в канале передатчика. Их влияние можно минимизировать пользуясь классическими методами статистической фильтрации. Другой возможный подход основан на использовании других эвристических методов пространственной обработки.

Шумы видеодатчиков или ошибки в канале передачи обычно проявляются на изображении как разрозненные изменения изолированных элементов, не обладающие пространственной корреляцией. Искаженные элементы часто весьма заметно отличаются от соседних элементов. Это наблюдение послужило основой для многих алгоритмов, обеспечивающих подавление шума.

Применение цифровой фильтрации изображений позволяет существенно улучшить качество изображения, получаемого в процессе СШП зондирования. Далее будет рассмотрено применение линейной фильтрации для сглаживания шумов на изображении (низкочастотная фильтрация), подчеркивание границ объектов с использованием высокочастотной фильтрации, а также метод медианной фильтрации устранения помех импульсного типа.

Рис. 7 поясняет простой пороговый метод подавления шума, при использовании которого последовательно измеряют яркость всех элементов изображения.

Рис. 3.7. Пороговый метод подавления шума.

Если яркость данного элемента превышает среднюю яркость группы ближайших элементов на некоторую пороговую величину, яркость элемента заменяется на среднюю яркость:

Если
]

Поскольку шум пространственно декоррелирован, в его спектре, как правило, содержатся более высокие пространственные частоты, чем в спектре обычного изображения. Следовательно, простая низкочастотная пространственная фильтрация может служить эффективным средством сглаживания шумов. Массив Q размера MM выходного изображения формируется путем дискретной свертки массива F размера NN исходного изображения со сглаживающим массивом H размера LL согласно формуле

Сглаживание шума обеспечивается низкочастотной фильтрацией с помощью массива H с положительными элементами. Ниже приведены сглаживающие массивы трех разновидностей, часто называемые шумоподавляющими масками:



Эти массивы нормированы для получения единичного коэффициента передачи, чтобы процедура подавления шума не вызывала смещение средней яркости обработанного изображения. Если требуемое подавление шума сопряжено с использованием массивов большого размера целесообразно выполнять свертку косвенным образом, применяя преобразование Фурье, так как обычно это дает выигрыш в объеме вычислений.

Подчеркивание границ .

В системах электронного сканирования изображений получаемый видео сигнал можно пропустить через электрический фильтр верхних частот. Другой способ обработки сканированных изображений заключается в использовании нерезкого маскирования. При этом изображение как бы сканируется двумя перекрывающимися апертурами, одна из которых соответствует нормальному разрешению, а другая - пониженному. В результате получают соответственно массив нормального изображения F (j, k) массив нечеткого изображения F L (j, k). Затем формируется массив маскированного изображения

F M (j, k) = c F (j, k) - (1-c) F L (j, k),

где C - коэффициент пропорциональности. Обычно значение C находится в пределах от 3/5 до 5/6, т.е. отношение составляющих нормальны и понижены четкости изменяется от 1.5 до 5.

Подчеркивание границ можно также осуществить, выполняя дискретную фильтрацию согласно соотношению (1) с использованием высокочастотного импульсного отклика H. Ниже представлены три типичные маски для выполнения высокочастотной фильтрации:






Эти маски отличаются тем, что сумма их элементов равна единице.

Еще одним способом подчеркивания границ является так называемая статистическое дифференцирование. Значение яркости каждого элемента делится на статистическую оценку среднеквадратического отклонения (j,k)

G (j,k) = F (j,k) /  (j,k).

Среднеквадратическое отклонение

вычисляется в некоторой окрестности N(j,k) элемента с координатами (j,k). Функция
- среднее значение яркости исходного изображения в точке с координатами (j,k), приближенно определяемая путем сглаживания изображения с помощью оператора низко частотной фильтрации согласно формуле (3.1). Улучшенное изображение, представленное массивом G (j,k), отличается от исходного изображения тем, что его яркость выше на границах, элементы которых непохожи на соседние элементы, и ниже на всех остальных участках. Следует отметить, что подчеркивание полезных границ сопровождается возрастанием шумовых составляющих.

Медианный фильтр.

Медианная фильтрация - метод нелинейной обработки сигналов, разработанный Тьюки . Этот метод оказывается полезным при подавлении шума на изображении. Одномерный медианный фильтр представляет собой скользящее окно, охватывающее нечетное число элементов изображения. Центральный элемент заменяется медианой всех элементов изображения в окне. Медианой дискретной последовательности

a 1 , a 2 , ..., a N для нечетного N является тот элемент, для которого существуют (N-1)/2 элементов, меньших или равных ему по величине, (N- 1)/2 больших или равных ему по величине. Пусть в окно попали элементы изображения с уровнями 80, 90, 200, 110, 120; в этом случае центральный элемент следует заменить значением 110, которое является медианой упорядоченной последовательности 80, 90, 110, 120, 200. Если в этом примере значение 200 является шумовым выбросом в монотонно возрастающей последовательности, то медианная фильтрация обеспечит существенное улучшение. Напротив, если значение 200 соответствует полезному импульсу сигнала (при использовании широкополосных датчиков), то обработка приведет к потере четкости воспроизводимого изображения. Таким образом, медианный фильтр в одних случаях обеспечивает подавление шума, в других - вызывает нежелательное подавление сигнала.

Медианный фильтр не влияет на ступенчатые или пилообразные функции, что обычно является желательным свойством. Однако этот фильтр подавляет импульсные сигналы, длительность которых составляет менее половины ширины окна. Фильтр так же вызывает уплощение вершины треугольной функции.

Возможности анализа действия медианного фильтра ограничены. Можно показать, что медиана произведения постоянной K и последовательности f (j) равна

med{ K f(j) }=K med{f (j)}.

Кроме того,

med{ K+ f(j) }=K + med{f (j)}.

Однако медиана суммы двух произвольных последовательностей f (j) и g(j) не равна сумме их медиан:

med{ g(j)+ f(j) }=med{g(j)}+ med{f (j)}.

Возможны различные стратегии применения медианного фильтра для подавления шумов. Одна из них рекомендует начинать с медианного фильтра, окно которого охватывает три элемента изображения. Если ослабление сигнала незначительно, окно фильтра расширяют до пяти элементов. Так поступают до тех пор пока медианная фильтрация начинает приносить больше вреда, чем пользы. Другая возможность состоит в осуществлении каскадной медианной фильтрации сигнала с использованием фиксированной или изменяемой ширины окна. В общем случае те области, которые остаются без изменения после однократной обработки фильтром, не меняются и после повторной обработки. Области, в которых длительность импульсных сигналов составляет менее половины ширины окна, будут подвергаться изменениям после каждого цикла обработки.

Концепцию медианного фильтра легко обобщить на два измерения, применяя двумерное окно желаемой формы, например прямоугольное или близкое к круговому. Очевидно, что двумерный медианный фильтр с окном размера LL обеспечивает более эффективное подавление шума, чем последовательно примененные горизонтальный и вертикальный одномерные медианные фильтры с окном размера L1; двумерная обработка, однако, приводит к более существенному ослаблению сигналов.

Медианный фильтр более эффективно подавляет разрозненные импульсные помехи, чем гладкие шумы. Медианную фильтрацию изображений в целях подавления шумов следует считать эвристическим методом. Ее нельзя применять в слепую. Напротив, следует проверять получаемые результаты, чтобы убедиться в целесообразности медианной фильтрации.