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).

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.

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 τ за один шаг, для более точных расчетов рекомендуется делать несколько шагов с меньшими значениями τ.

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 τ 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

используют граничное условие слева, при этом где

подставляют последовательно получаемые уравнения в исходную систему

где

После вычисления значений на шаге, используют правое граничное условие и вычисляют Затем выполняют обратную подстановку и по ранее вычисленным значениям получают последовательно и, наконец

Может ухудшить степень детальности ваших цифровых или плёночных фотографий, поэтому подавление этого шума может значительно улучшить итоговое изображение или отпечаток. Проблема в том, что большинство методов шумоподавления всегда заодно размывает изображение. Некоторое сглаживание может быть приемлемо для изображений, на которых господствует вода или небо, но листва в пейзажах может пострадать даже от наиболее осторожных попыток подавления шума.

Данная статья сравнивает несколько распространённых методов шумоподавления, а также предлагает альтернативный подход: усреднение нескольких экспозиций с целью подавления шума. Усреднение изображений часто используется в высококлассной астрофотографии, но, вероятно, недоиспользуется в других типах съёмки при малом свете или ночью. Усреднение способно подавить шумы, не разрушив детальность, поскольку оно по сути увеличивает соотношение сигнал-шум (SNR) вашего изображения. Дополнительным выигрышем является то, что усреднение может заодно повысить глубину цветности вашего изображения - за грань возможностей одиночного снимка. Усреднение может также быть особенно полезно для тех, кто хочет сымитировать гладкость ISO 100, если камера позволяет минимум ISO 200 (как, например, большинство цифровых зеркальных камер Nikon).

Концепция

Усреднение изображений работает на основе предположения об абсолютно случайной природе шума в изображении. Соответственно, случайные отклонения от истинных данных в изображении будут последовательно снижаться по мере усреднения возрастающего числа изображений. Если вы сделаете два снимка нейтрально-серого образца, используя одинаковые параметры настройки камеры и при идентичных условиях (температура, освещённость и т.д.), вы сможете получить изображения, похожие на показанные слева.

Вышеприведенный график отражает флюктуации яркости в верхнем и нижнем изображениях синей и красной линиями, соответственно. Горизонтальная черта отражает среднее значение, которое соответствует идеальному виду изображения с нулевым уровнем шума. Заметьте, что колебания красной и синей линий уникальны и независимы. Если мы усредним значения пикселей в каждой из точек графика, мы получим снижение вариативности яркости, как показано ниже:

Несмотря на то, что результат усреднения двух графиков продолжает колебаться относительно идеального среднего, его максимальное отклонение значительно уменьшилось. Визуально это приводит к тому, что образец выглядит более гладко. Усреднение двух изображений обычно даёт уровень шума, соответствующий половинной чувствительности ISO, так что два изображения, снятые при ISO 400, будут сравнимы с одним, снятым при ISO 200, и так далее. В общем, уровень шума падает на квадратный корень от числа усреднённых изображений, то есть для снижения уровня шума вдвое требуется усреднить 4 изображения.

Сравнение шума и детальности

Следующий пример иллюстрирует эффективность усреднения реальных изображений. Следующий снимок был сделан при ISO 1600 на камеру Canon EOS 300D Digital Rebel и демонстрирует сильную зашумленность.

	Истинный размер образцов
	Оригинал	2 снимка	4 снимка

Заметьте, как усреднение и уменьшает шум, и проявляет детальность для каждого образца. Для сравнения используем лучшие из доступных программ шумоподавления, например, Neat Image :

Оригинал	2 снимка	4 снимка	Neat Image	Медианный фильтр

Neat Image лучше всех справилась с подавлением шума на гладком небе, но принесла в жертву детали на ветвях и кирпичной стенке. Для выделения оставшихся деталей и улучшения общего ощущения резкости можно использовать повышение резкости, но оно неспособно восстановить утраченную информацию. Медианный фильтр является примитивным методом, который присутствует в большинстве версий Фотошопа. Он подсчитывает значение в каждом пикселе как медиану от всех смежных пикселей. Он эффективен в подавлении очень малого шума, но оставляет нетронутыми более заметные отклонения и при этом исключает попиксельную детальность. В целом, Neat Image является лучшим выбором для ситуаций, когда усреднение снимков невозможно (используется съёмка с рук). В идеале разумно использовать оба подхода: сперва усреднить изображения для максимально возможного повышения SNR, а затем использовать Neat Image, чтобы подавить оставшийся шум:

Оригинал	Усреднение: 4 снимка	Neat Image	Neat Image + усреднение

В программе Neat Image Pro Plus 4.5 использовались
стандартные параметры шумоподавления и «автоподстройка»

Обратите внимание, как комбинация шумоподавления и усреднения способна как сохранить детальность кирпичей, так и сохранить гладкий, малошумный вид. Недостатком метода усреднения является увеличение места, необходимого для хранения (несколько файлов вместо одного) и, вероятно, увеличение времени экспозиции. Усреднение не работает для изображений, которые подвержены линейчатому или структурному шуму. Заметьте, как ярко-белый пиксель в левом нижнем углу снимков не исчез в результате усреднения. Усреднение, в отличие от других снимков, требует отсутствия смещения камеры между экспозициями, а не только во время экспозиции. Таким образом, нужна повышенная осторожность и очень прочный штатив.

Усреднение изображений с использованием слоёв

Adobe Photoshop позволяет относительно быстро усреднить изображения, используя слои. Идея в том, чтобы положить каждое из изображений в отдельный слой и наложить их так, чтобы каждое изображение вносило равный вклад. Если по какой-то причине один из слоёв получает больший вес, чем прочие, эффективность усреднения понизится.

Следует сперва загрузить все усредняемые изображения в Photoshop и затем расположить их в слоях одно над другим в одном проекте. GIMP позволяет открывать изображения непосредственно как слои. После того как все усредняемые изображения оказались в слоях одного проекта, можно приступать собственно к усреднению.

При усреднении следует помнить, что плотность каждого слоя определяет, насколько будет виден слой, лежащий под ним, и то же самое справедливо для всех последующих слоёв. Это означает, что для корректного усреднения четырёх изображений недостаточно будет поставить плотность каждого слоя равной 25%. Вместо этого для нижнего (фонового) слоя нужно задать плотность 100%, для следующего над ним слоя 50%, для слоя над ним 33% и, наконец, для самого верхнего слоя 25%. Это проиллюстрировано ниже:

Когда нужно применять усреднение изображения вместо того, чтобы просто сделать более длинную выдержку при меньшей чувствительности ISO? В следующем наборе ситуаций это может оказаться полезным:

• Чтобы исключить избыточный структурный шум на длинных выдержках
• Для камер, у которых нет режима «bulb», предельная длина выдержки обычно составляет 15-30 секунд. В таких случаях два снимка при ISO 800 и 30 секундах дадут грубый эквивалент (как по яркости, так и по уровню шума) одной выдержки 60 секунд при ISO 400. Возможны многие другие комбинации...
• Для ситуаций, в которых невозможно гарантировать непрерывные выдержки требуемой длины. Например, снимок делается в публичном месте, и требуется малый шум, однако длинная выдержка невозможна, поскольку кадр часто пересекают пешеходы. Можно сделать несколько коротких снимков между их появлением.
• Чтобы избирательно заморозить движение в малодетальных, быстродвижущихся частях, сохранив при этом малое количество шума в высокодетальных, неподвижных областях. Например, в звёздную ночь с листвой на переднем плане.
• Чтобы уменьшить шум в тенях (даже на снимках с низким ISO), из которых вы собираетесь впоследствии извлечь детали посредством пост-обработки.

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!

Подавление шумов на изображениях

Довольно часто при формировании визуальных данных результирующие изображения получаются зашумленными. Это объясняется несовершенством аппаратуры, влиянием внешних факторов и т.п. В конечном результате это приводит к ухудшению качества визуального восприятия и снижению достоверности решений, которые будут приниматься на основе анализа таких изображений. Поэтому актуальной является задача устранения или снижения уровня шумов на изображениях. Решению задачи фильтрации шумов посвящено очень много работ, существуют различные методы и алгоритмы. В этой работе рассмотрим только некоторые подходы и возможности их реализации в системе Matlab.

Шаг 1: Считывание исходного изображения.

Шаг 2: Формирование зашумленных изображений.

Шаг 3: Использование медианного фильтра для устранения импульсного шума.

Шаг 4: Подавление шумовой составляющей с использованием операции сглаживания.

Шаг 5: Пороговый метод подавления шумов.

Шаг 6: Низкочастотная фильтрация с использованием шумоподавляющих масок.

Шаг 1: Считывание исходного изображения.

Считаем изображение из файла в рабочее пространство Matlab и отобразим его на экране монитора.

L=imread("kinder.bmp");

figure, imshow(L);

Рис.1 Исходное изображение.

Шаг 2: Формирование зашумленных изображений.

В системе Matlab (Image Processing Toolbox) существует возможность формирования и наложения на изображение трех типов шумов. Для этого используется встроенная функция imnoise, которая предназначена, в основном, для создания тестовых изображений, используемых при выборе и исследовании методов фильтрации шума. Рассмотрим несколько примеров наложения шума на изображения.

1) Добавление к изображению импульсного шума (по умолчанию плотность шума равна доле искаженных пикселей):

L2=imnoise(L,"salt&pepper", 0.05);

figure, imshow(L2);

Рис.2. Зашумленное изображение (импульсный шум).

2) Добавление к изображению гауссовского белого шума (по умолчанию математическое ожидание равно 0, а дисперсия - 0,01):

L1=imnoise(L,"gaussian");

figure, imshow(L1);

Рис.3. Зашумленное изображение (гауссовский шум).

3) Добавление к изображению мультипликативного шума (по умолчанию математическое ожидание равно 0, а дисперсия 0,04):

L3=imnoise(L,"speckle",0.04);

figure, imshow(L3);

Рис.4. Зашумленное изображение (мультипликативный шум).

Шаг 3: Использование медианного фильтра для устранения импульсного шума.

Одним из эффективных путей устранения импульсных шумов на изображении является применение медианного фильтра. Наиболее эффективным вариантом является реализация в виде скользящей апертуры.

For i=1+n1:N+n1; disp(i) for j=1+m1:M+m1; if j==1+m1; D=0; for a=-n1:n1; for b=-m1:m1; D(n1+1+a,m1+1+b)=Lr(i+a,j+b); end; end; end; if j>1+m1; for a=-n1:n1; D(n1+1+a,m+1)=Lr(i+a,j+m1); end; D=D(1:n,2:m+1); end; Lvyh(i,j)=median(D(:)); end; end; Lvyh=Lvyh(n1+1:N+n1, m1+1:M+m1); figure, imshow(Lvyh);

Для наглядного сравнения приведем три изображения вместе: исходное, зашумленное и восстановленное.

Рис. 5. Восстановление изображения, искаженного импульсным шумом, с применением метода медианной фильтрации.

Восстановленное изображение лишь незначительно отличается от исходного изображения и значительно лучше, с точки зрения визуального восприятия, зашумленного изображения.

Шаг 4: Подавление шумовой составляющей с использованием операции сглаживания.

Существует класс изображений, для которых подавление шумовой составляющей возможно реализовать с помощью операции сглаживания (метод низкочастотной пространственной фильтрации). Этот подход может применяться к обработке изображений, содержащих области большой площади с одинаковым уровнем яркости. Отметим, что уровень шумовой составляющей должен быть относительно небольшим.

F=ones(n,m); % n и m размерность скользящей апертуры

Lser=filter2(F,Lroshyrena,"same")/(n*m);

Рис. 6. Восстановление изображения, искаженного импульсным шумом с применением операции сглаживания.

Недостаток этого метода, в отличие от метода медианной фильтрации, состоит в том, что он приводит к размыванию границ объектов изображения.

Шаг 5: Пороговый метод подавления шумов.

Элементы изображения, которые были искажены шумом, заметно отличаются от соседних элементов. Это свойство легло в основу многих методов подавления шума, наиболее простой из которых, так называемый пороговый метод. При использовании этого метода последовательно проверяют яркости всех элементов изображения. Если яркость данного элемента превышает среднюю яркость локальной окрестности, тогда яркость данного элемента заменяется на среднюю яркость окрестности.

For i=1+n1:N+n1; disp(i) for j=1+m1:M+m1; if j==1+m1; D=0; for a=-n1:n1; for b=-m1:m1; D(n1+1+a,m1+1+b)=Lr(i+a,j+b); end; end; end; if j>1+m1; for a=-n1:n1; D(n1+1+a,m+1)=Lr(i+a,j+m1); end; D=D(1:n,2:m+1); end; LS=mean(mean(D)); if abs(Lr(i,j)-LS)>10/255; % Установка порога Lvyh(i,j)=LS; else Lvyh(i,j)=Lr(i,j); end; end; end; Lvyh=Lvyh(n1+1:N+n1,m1+1:M+m1,:); figure, imshow(Lvyh);

Рис. 7. Восстановление изображения, искаженного импульсным шумом, с применением порогового метода подавления шумов.

Шаг 6: Низкочастотная фильтрация с использованием шумоподавляющих масок.

В Шаге 4 было рассмотрено применение операции сглаживания для устранения шума. Рассмотрим примеры низкочастотной фильтрации с использованием других шумоподавляющих масок. Это могут быть следующие маски:

Маска 1: Маска 2: .

Маски для подавления шума представлены в виде нормированного массива для получения единичного коэффициента передачи, чтобы при подавлении шума не было искажений средней яркости. На рисунках представлено результат обработки зашумленного изображения маской 1 и маской 2 .

F=(1/10)*;

figure, imshow(Lvyh);

Рис. 8. Результат восстановления зашумленного импульсным шумом изображения с применением маски 1 .

F=(1/16)*;

Lvyh=filter2(F,L,"same")/(3*3);

figure, imshow(Lvyh);

Рис. 9. Результат восстановления зашумленного импульсным шумом изображения с применением маски 2 .

Это были примеры подавления импульсных шумов. Рассмотрим аналогичные примеры подавления гауссовского и мультипликативного шумов.

Рис. 10. Результат восстановления зашумленного гауссовским шумом изображения с применением маски 1 и маски 2 .

Рис. 11. Результат восстановления зашумленного мультипликативным шумом изображения с применением маски 1 и маски 2 .

Отметим, что универсальных методов нет и к обработке каждого изображения следует подходить индивидуально. Если речь идет о медианной и низкочастотной фильтрации, то качество обработки во многом зависит от удачного выбора размеров локальной апертуры.

Рассмотренные методы после некоторой модификации можно применять для обработки цветных изображений. Приведем пример подавления импульсного шума на цветном изображении.

Возьмем некоторое исходное изображение (рис. 12):

L=imread("lily.bmp");

figure, imshow(L);

Рис. 12. Исходное цветное изображение.

Наложим на него импульсный шум с некоторыми характеристиками:

L=imnoise(L,"salt&pepper",0.05);

figure, imshow(L);

Рис. 13. Зашумленное изображение.

For k=1:s; % обработка отдельно по каждой составляющей L=Lin(:,:,k); for i=1+n1:N+n1; disp(i) for j=1+m1:M+m1; if j==1+m1; D=0; for a=-n1:n1; for b=-m1:m1; D(n1+1+a,m1+1+b)=L(i+a,j+b); end; end; end; if j>1+m1; for a=-n1:n1; D(n1+1+a,m+1)=L(i+a,j+m1); end; D=D(1:n,2:m+1); end; Lres(i,j)=median(D(:)); end; end; end;

Рис. 14. Восстановленное изображение с применением метода медианной фильтрации.

Представленные выше методы являются довольно эффективными алгоритмами восстановления изображений, которые были искажены импульсным, гауссовским или мультипликативным шумом. Эти методы служат основой для построения других более сложных методов решения задач по устранению шумовой составляющей на изображениях.