Documente Academic
Documente Profesional
Documente Cultură
Curs10 + Curs11 - Restaurare in Frecvente
Curs10 + Curs11 - Restaurare in Frecvente
PARTEA A III-A
FILTRARE ÎN DOMENIUL
FOURIER
I. Modelul de degradare liniar, independent de poziție
În domeniul spațial
𝑔 𝑥, 𝑦 = ℎ ⊗ 𝑓 𝑥, 𝑦 + 𝜂 𝑥, 𝑦
𝑎∙𝑡
𝑥0 𝑡 = , 𝑦0 𝑡 = 0
𝑇
și masca de degradare în domeniul frecvențelor este definită prin
𝑇 ∙ 𝑠𝑖𝑛 𝜋 ∙ 𝑛 ∙ 𝑎
ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑛 ∙ 𝑎
𝜋∙𝑛∙𝑎
𝑏∙𝑡
𝑦0 𝑡 = , 𝑥0 𝑡 = 0
𝑇
și masca de degradare în domeniul frecvențelor este dată de
𝑇 ∙ 𝑠𝑖𝑛 𝜋 ∙ 𝑚 ∙ 𝑏
ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 ∙ 𝑏
𝜋∙𝑚∙𝑏
B3. În ipoteza în care ambele componente mișcare sunt prezente în
imagine (liniare, uniforme și independente de poziție)
𝑎∙𝑡 𝑏∙𝑡
𝑥0 𝑡 = , 𝑦0 𝑡 =
𝑇 𝑇
𝑇 ∙ 𝑠𝑖𝑛 𝜋 ∙ 𝑛 ∙ 𝑎 + 𝑚 ∙ 𝑏
ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑛 ∙ 𝑎 + 𝑚 ∙ 𝑏
𝜋∙ 𝑛∙𝑎+𝑚∙𝑏
C. Voalarea rezultată în urma mișcării senzorului la momentul achiziției
imaginilor în caz discret
1 𝑖𝑇 −1
𝑔 𝑥, 𝑦 = 𝑖 σ𝑘=0 𝑓 𝑥 − 𝑘, 𝑦 𝑥 = 0,1, ⋯ , 𝑁 − 1 𝑦 = 0,1, ⋯ , 𝑀 − 1
𝑇
𝑛 ∙ 𝑖𝑇
1 𝑠𝑖𝑛 𝜋 ∙ 𝑛 ∙ 𝑖𝑇 − 1
ℎ 𝑛, 𝑚 = ∙ 𝑁
𝑖𝑇 𝑛 ∙ 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑁
,𝑛 > 0
𝑠𝑖𝑛 𝜋 ∙ 𝑁
ℎ 0, 𝑚 = 1, 𝑚 = 0,1, ⋯ , 𝑀 − 1
C2. Mișcarea liniară și independentă de poziție pe OY este
caracterizată în domeniul spațial de masca
𝑖𝑇 −1
1
𝑔 𝑥, 𝑦 = 𝑓 𝑥, 𝑦 − 𝑘 𝑥 = 0,1, ⋯ , 𝑁 − 1 𝑦 = 0,1, ⋯ , 𝑀 − 1
𝑖𝑇
𝑘=0
𝑚 ∙ 𝑖𝑇
1 𝑠𝑖𝑛 𝜋 ∙ 𝑚 ∙ 𝑖𝑇 − 1
ℎ 𝑛, 𝑚 = ∙ 𝑀 ∙ 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙
𝑖𝑇 𝑚 𝑀
𝑠𝑖𝑛 𝜋 ∙ 𝑀
ℎ 𝑛, 0 = 1, 𝑛 = 0,1, ⋯ , 𝑁 − 1
EXEMPLE
D. Imaginile voalate sunt reprezentate prin intermediul convoluţiei dintre
imaginile iniţiale şi diferite măşti de voalare. Exemple :
1
×
𝑠𝑢𝑚𝑎 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑒𝑙𝑜𝑟 𝑓𝑖𝑙𝑡𝑟𝑢𝑙𝑢𝑖
EXEMPLE
IV. Filtrul invers
𝑔 = ℎ⊗𝑓
𝑔ො 𝑛, 𝑚 = ℎ 𝑛, 𝑚 ⋅ 𝑓መ 𝑛, 𝑚
1 ≤ 𝑛 ≤ 𝑁, 1 ≤ 𝑚 ≤ 𝑀
Rezultă,
1
𝑓መ 𝑛, 𝑚 = 𝑔ො 𝑛, 𝑚 ∙ , 1 ≤ 𝑛 ≤ 𝑁, 1 ≤ 𝑚 ≤ 𝑀
ℎ 𝑛, 𝑚
1
𝑓 𝑥, 𝑦 = 𝑇𝐹𝐷𝐼 𝑔ො 𝑛, 𝑚 ∙
ℎ 𝑛, 𝑚
𝑔ො 𝑛, 𝑚 = ℎ 𝑛, 𝑚 ⋅ 𝑓መ 𝑛, 𝑚 + 𝜂ො 𝑛, 𝑚
𝑔ො 𝑛, 𝑚 𝜂ො 𝑛, 𝑚
𝑓ሚ 𝑥, 𝑦 = 𝑇𝐹𝐷𝐼 −
ℎ 𝑛, 𝑚 ℎ 𝑛, 𝑚
𝑔 𝑥, 𝑦 = ℎ ⊗ 𝑓 𝑥, 𝑦 + 𝜂 𝑥, 𝑦
1 ≤ 𝑥 ≤ 𝑁, 1 ≤ 𝑦 ≤ 𝑀
ℎ 𝑢, 𝑣
𝑅𝑊 𝑢, 𝑣 =
2 𝑆𝜂 𝑢, 𝑣
ℎ 𝑢, 𝑣 +
𝑆𝑓 𝑢, 𝑣
unde
ℎ 𝑢, 𝑣 este conjugata transformatei ℎ 𝑢, 𝑣 ;
𝑆𝜂 𝑢, 𝑣 este puterea spectrală a componentei zgomot, calculată în 𝑢, 𝑣 ;
ℎ 𝑢, 𝑣 ℎ 𝑢, 𝑣 1
𝑅𝑊 𝑢, 𝑣 = = =
ℎ 𝑢, 𝑣
2
ℎ 𝑢, 𝑣 ∙ ℎ 𝑢, 𝑣 ℎ 𝑢, 𝑣
ℎ 𝑢, 𝑣
𝑅𝑊 𝑢, 𝑣 = 2
ℎ 𝑢, 𝑣 +𝐾
𝒖, 𝒗
𝒉
𝑹𝑾 𝒖, 𝒗 = 𝟐
𝒖, 𝒗
𝒉 ෝ 𝒖, 𝒗
+𝜸∙ 𝒑 𝟐
unde 𝜸 este factor de ajustare şi p este un criteriu dat. Alegerea cea mai
des utilizată a criteriului p este filtrul Laplace cu masca 𝒑 =
𝟎 −𝟏 𝟎
−𝟏 𝟒 −𝟏
𝟎 −𝟏 𝟎
În figura a este prezentată o imagine degradată motion blur în caz continuu
𝑇∙𝑠𝑖𝑛 𝜋∙𝑚∙𝑏
cu 𝑎 = 0, 𝑏 = 0.0015 și funcția ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 ∙ 𝑏 și
𝜋∙𝑚∙𝑏
aditiv cu zgomot distribuit 𝑁 0, 𝜎 2, 𝜎 = 15 (componenta de degradare
zgomot este dominantă). În figura b este prezentată imaginea restaurată
prin aplicarea filtrului Wiener cu 𝛾 = 0.8. În procesul de restaurare a fost
aplicată scalarea pe {0,1,…,255}.
În figura a este prezentată o imagine degradată motion blur în caz continuu
𝑇∙𝑠𝑖𝑛 𝜋∙𝑚∙𝑏
cu 𝑎 = 0, 𝑏 = 0.0015 și funcția ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 ∙ 𝑏 și
𝜋∙𝑚∙𝑏
aditiv cu zgomot distribuit 𝑁0, 𝜎 2 , 𝜎 = 5 (componenta de degradare de tip
mișcare este dominantă). În figura b este prezentată imaginea restaurată
prin aplicarea filtrului Wiener cu 𝛾 = 0.03. În procesul de restaurare a fost
aplicată scalarea pe {0,1,…,255}.
În figura a este prezentată o imagine degradată motion blur în caz discret cu
𝑚∙𝑖𝑇
1 𝑠𝑖𝑛 𝜋∙ 𝑚∙ 𝑖𝑇 −1
𝑖𝑇 = 9 și funcția ℎ 𝑛, 𝑚 = ∙ 𝑀
𝑚 ∙ 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 > 0,
𝑖𝑇 𝑠𝑖𝑛 𝜋∙ 𝑀
𝑀
ℎ 𝑛, 0 = 1, 𝑛 = 0, ⋯ , 𝑁 − 1 și aditiv cu zgomot distribuit 𝑁 0, 𝜎 2 , 𝜎 = 10
(ambele componente de degradare induc o perturbație severă). În figura b
este prezentată imaginea restaurată prin aplicarea filtrului Wiener, 𝛾 = 0.1.
În figura a este prezentată o imagine degradată motion blur în caz discret cu
𝑚∙𝑖𝑇
1 𝑠𝑖𝑛 𝜋∙ 𝑚∙ 𝑖𝑇 −1
𝑖 𝑇 = 11 și funcția ℎ 𝑛, 𝑚 = ∙ 𝑀
𝑚 ∙ 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 > 0, ℎ 𝑛, 0 =
𝑖𝑇 𝑠𝑖𝑛 𝜋∙ 𝑀
𝑀
1, 𝑛 = 0, ⋯ , 𝑁 − 1 și aditiv cu zgomot distribuit 𝑁 0, 𝜎 2 , 𝜎 = 5 (componenta de
degradare de tip motion blur este dominantă). În figura b este prezentată
imaginea restaurată prin aplicarea filtrului Wiener cu 𝛾 = 0.05.
IV. Filtrul geometric
Filtrul generic medie geometrică este definit prin,
𝛼 1−𝛼
ℎ 𝑢, 𝑣 ℎ 𝑢, 𝑣
𝑅𝐺𝑀 𝑢, 𝑣 = 2
ℎ 𝑢, 𝑣 2 𝑆𝜂 𝑢, 𝑣
ℎ 𝑢, 𝑣 + 𝛾 ∙
𝑆𝑓 𝑢, 𝑣
1
Dacă 𝛼 = 2, atunci este obţinută media geometrică dintre filtrul invers şi
filtrul Wiener.
Cele mai frecvent utilizate alegeri ale parametrilor 𝛼 şi 𝛾 sunt,
1
1. 𝛼 = 2 şi 𝛾 = 1 - filtrul egalizare a puterii spectrale;
2. 𝛼 = 0- filtrul parametric Wiener
În figura a este prezentată o imagine degradată motion blur în caz continuu
𝑇∙𝑠𝑖𝑛 𝜋∙𝑚∙𝑏
cu 𝑎 = 0, 𝑏 = 0.0015 și funcția ℎ 𝑛, 𝑚 = 𝑒𝑥𝑝 −𝜋 ∙ 𝑖 ∙ 𝑚 ∙ 𝑏 și
𝜋∙𝑚∙𝑏
2
aditiv cu zgomot distribuit 𝑁 0, 𝜎 , 𝜎 = 15 (componenta de degradare
zgomot este dominantă). În figura b este prezentată imaginea restaurată
1
prin aplicarea filtrului geometric cu 𝛾 = 0.7, 𝛼 = 2. În procesul de restaurare
a fost aplicată scalarea pe {0,1,…,255}.