Аналіз методів та алгоритмів фільтрації і покращення якості зображень

Анотація

Стаття описує актуальну проблему зашумленості зображень і методи її вирішення. Проведено аналіз, тести та опис різних фільтрів, зокрема сфери їх застосування. Методи фільтрації розподілено на дві групи: лінійні, такі як фільтр Гауса та середнього значення, а також нелінійні, такі як медіанна фільтрація, швидке перетворення Фур'є (ШПФ), метод нелокальних середніх (НЛС) та анізотропна дифузія. Кожен фільтр описано математично, реалізовано з використанням мови програмування Python та протестовано на RGB-зображеннях. Робота описує критерії оцінювання, їх переваги та недоліки. Середньоквадратична помилка (СКП) та пікове співвідношення сигнал/шум (ПССШ) використовуються як критерії для аналізу ефективності алгоритмів. Також взято до уваги швидкість роботи кожного алгоритма. Загалом, експериментальні дані свідчать про те, що лінійні фільтри працюють швидше, але дають гірші результати і краще за все використовуються на підготовчому етапі. Нелінійні фільтри є більш надійними і можуть бути застосовані для різних типів шуму, хоча мають недолік у вигляді необхідності тонкого налаштування параметрів. Дослідження показує, що анізотропну дифузію можна використовувати як для ручної обробки зображень, так і для застосувань у реальному часі, оскільки вона забезпечує хороший компроміс між швидкістю обробки та якістю очищеного від шуму зображення. НЛС підходить для високоякісної обробки окремих зображень через свою низьку швидкість та високу якість обробленого зображення. Насамкінець, ШПФ виділяється своєю ефективністю у видаленні періодичного шуму. Ця стаття матиме продовження у вигляді розвитку та використанні методів фільтрації в різних реальних реалізаціях та автономних системах.