СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДВУХ СПОСОБОВ ФИЛЬТРАЦИИ ДЛЯ УСТРАНЕНИЯ ШУМА В ИЗОБРАЖЕНИИ РАЗНОЙ СТЕПЕНИ ЗАШУМЛЕННОСТИ
Аннотация
В современной технике фото- и видеосъемки любое изображение в процессе его фор-
мирования искажается под действием различных видов шумов. Существуют различные
виды шумов, но на практике наиболее часто встречаются модели импульсного и гауссов-
ского шума. Ослабление действия шумов достигается путём фильтрации. На данный мо-
мент не существует универсального фильтра, подавляющего данные типы шумов при раз-
личных интенсивностях искажения. Поэтому важным аспектом является определение
области применения каждого вида фильтра при подавлении шумов в изображении и созда-
нии типа фильтра, состоящего из синтеза сочетающего различные методы фильтрации
для оптимальной очистки изображения. В статье представлен сравнительный анализ
медианной фильтрации и фильтрации Винера для устранения импульсного и гауссовского
шума в изображении при разной степени зашумленности. Для моделирования использова-
лось одно изображение, искаженное отдельно импульсным и отдельно гауссовским шумом
с вероятностями искажения пикселей от 1 % до 99 % включительно. Фильтрация произво-
дилась с окнами, равными 3x3 и 5x5. В результате были получены численные оценки каче-
ства фильтрации изображений на основе пикового отношения сигнал-шум (PSNR). На ос-
нове полученных данных была проанализирована область применения исследуемых фильт-
ров, их модификации, достоинства и недостатки, а также приведены рекомендации по их
использованию. В результате сравнительного анализа исследуемых видов фильтрации для
зашумленных изображений было установлено, что медианный фильтр с окном 3х3 лучше
справляется с очисткой изображения от импульсного шума малой интенсивности и с ок-
ном 5х5 – с очисткой изображения средней интенсивности зашумления. Также медианный
фильтр лучше справляется с фильтрацией гауссовского шума при его средних и высоких
значениях среднеквадратичного отклонения. Фильтр Винера с окнами 3х3 и 5х5 лучше
фильтрует гауссовский шум при малых его значениях его среднеквадратичного отклоне-
ния. Также фильтр Винера лучше справляется с импульсным шумом относительно высо-
кой интенсивности зашумления.
Литература
Hall, 2007, 976 p. ISBN: 978-0- 13-168728-8.
2. Gonsales R., Vuds R. Tsifrovaya obrabotka izobrazheniy [Digital image processing]. Moscow:
Tekhnosfera, 2005, 1072 p.
3. Vatolin D., Ratushnyak A., Smirnov M., Yukin V.V. Metody szhatiya dannykh. Ustroystvo
arkhivatorov, szhatie izobrazheniy i video [Data compression methods. The device of
archivers, image and video compression]. Moscow: DIALOG-MIFI, 2003, 384 p.
4. Gonzalez R.C., Woods R.E., Eddins S.L. Digital image processing using MATLAB, Upper
Saddle River, NJ: PrenticeHall, Inc., 2010, 344 p. ISBN: 978-0-9820854-0-0.
5. Problema podavleniya shuma na izobrazheniyakh i video i razlichnye podkhody k ee resheniyu
[The problem of noise suppression in images and videos and various approaches to its solution].
Available at: https://docplayer.ru/57372769-Problema-podavleniya-shuma-naizobrazheniyah-
i-video-i-razlichnye-podhody-k-ee-resheniyu.html (accessed 10 May 2021).
6. Buades A., Coll B. and Morel J.M. A review of image denoising algorithms, with a new one,
SIAM Multiscale Modeling and Simulation, 2005, Vol. 4, pp. 490-530.
7. Slozhenie i izmerenie shuma [Adding and measuring noise]. Available at:
https://support.ptc.com/help/mathcad/ru/index.html#page/PTC_Mathcad_Help%2Faddition_a
nd_noise_measurement.html%23 (accessed 11 May 2021).
8. Turulin I.I. Upravlyaemye tsifrovye fil'try: monografiya [Controlled digital filters: a monograph].
Taganrog: Izd-vo YuFU, 2016, 308 p.
9. Turulin I.I. Osnovy teorii rekursivnykh KIKH-fil'trov: monografiya [Fundamentals of the theory
of recursive FIR filters: monograph]. Taganrog: Izd-vo YuFU, 2016, 264 p.
10. Turulin I.I., Tkachenko M.G. Bystroperestraivaemye tsifrovye fil'try: monografiya [Fasttunable
digital filters: a monograph]. Taganrog: Izd-vo TTI YuFU, 2008, 104 p.
11. Starovoytov V.V., Golub Yu.I. Tsifrovye izobrazheniya: ot polucheniya do obrabotki [Digital
images: from receiving to processing]. Minsk: OIPI NAN Belarusi, 2014, 202 p. ISBN 978-
985-6744-80-1.
12. Rodionov S.A., Voznesenskiy N.B., Shchekol'yan E.M. Obrabotka rezul'tatov izmereniya
distorsii proektsionnykh ob"ektivov [Processing of the results of measuring the distortion of
projection lenses], Izvestiya vuzov. Priborostroenie [Izvestiya vuzov. Instrumentation], 1991,
Vol. XXXIV, No. 7, pp. 61-68.
13. Milenin N.K. Shumy v formirovatelyakh signala na PZS [Noise in signal formers on a CCD],
Tekhnika kino i televideniya [Film and television technology], 1980, No. 6, pp. 51-57.
14. Selyankin V.V., Skorokhod S.V. Analiz i obrabotka izobrazheniy v zadachakh komp'yuternogo
zreniya: ucheb. posobie [Image analysis and processing in computer vision problems: a textbook].
Taganrog: Izd-vo YuFU, 2015, 82 p.
15. Primer: Mediannoe i kvantil'noe fil'trovanie [Example: Median and quantile filtering]. Available
at: https://support.ptc.com/help/mathcad/ru/index.html#page/PTC_Mathcad_Help%
2Fexample_ median_and_quantile_filtering.html%23 (accessed 12 May 2021).
16. Fabijańska A., Sankowski D. Noise adaptive switching median-based filter for impulse noise
removal from extremely corrupted images, IET Image Processing, 2011, Vol. 5, Issue 5,
pp. 472-480. – Doi: 10.1049/iet-ipr.2009.0178.
17. Ng P.-E., Ma K.-K. A switching median filter with boundary discriminative noise detection for
extremely corrupted images, IEEE Transactions on Image Processing, 2006, Vol. 15, Issue 6,
pp. 1506-1516. Doi: 10.1109/TIP.2005.871129.
18. Peixuan Z., Fang L. A new adaptive weighted mean filter for removing salt-and-pepper noise,
IEEE Signal Processing Letters, 2014, Vol. 21, Issue 10, pp. 1280-1283. Doi:
10.1109/LSP.2014.2333012.
19. Roy A,. Singha J., Manam L., Laskar R.H. Combination of adaptive vector median filter and
weighted mean filter for removal of high-density impulse noise from colour images, IET Image
Processing, 2017, Vol. 11, Issue 6, pp. 352-361. Doi: 10.1049/iet-ipr.2016.0320.
20. Hsieh M.H., Cheng F.H., Shie M.C., Ruan S.J. Fast and efficient median filter for removing
21. 1–99% levels of salt-and-pepper noise in images, Engineering Applications of Artificial Intelligence,
2013, Vol. 26 (4), pp. 1333-1338. Doi: 10.1016/j.engappai.2012.10.012.
22. Gruzman I.S., Kirichuk V.S., Kosykh V.P., Peretyagin G.I., Spektor A.A. Tsifrovaya obrabotka
izobrazheniy v informatsionnykh sistemakh: ucheb. posobie [Digital image processing in information
systems: a textbook]. Novosibisrk: Izd-vo NGTU, 2002, 352 p.
