Обработка и фильтрация изображений. Особенности изображений как информационных процессов. Типы помех и искажений, их свойства и модельные представления, страница 9

Результаты предварительного анализа или априорные сведения о характеристиках рассматриваемых изображений, помех и искажений используются на этапе вторичной обработки с целью повышения их качества. Подходы, методы и алгоритмы, используемые на этом этапе, очень разнообразны.

Отметим, что бывают изображения, повышать качество которых не имеет смысла. Такие ситуации имеют место при формировании высококачественными сенсорами оптических изображений, для которых рассмотренные выше искажения (КИП, взаимные сдвиги строк) отсутствуют, эффектами «смаза» или дефокусировки можно пренебречь (они визуально незаметны), а дисперсия аддитивных помех мала. Кроме того, для некоторых приложений, несмотря на исходно невысокое качество, его повышение не применяется.

  Однако для многих практических приложений этап повышения качества изображений является стандартным и необходимым. Его суть состоит в устранении основных типов искажений и помех с максимальной степенью сохранения полезной информации. Иногда под повышением качества понимают и сравнительно простые операции обеспечения большего удобства визуального анализа или восприятия: контрастирование, изменение динамического диапазона представления изображения, гомоморфные преобразования и т.д. Многие из этих функций реализуются стандартными графическими редакторами. Однако ниже под методами повышения качества будем понимать, прежде всего, фильтрацию (подразделы 14.4-14.7) и восстановление изображений (см. подраздел 14.8). Соответствующие методы направлены на устранение или, по крайней мере, существенное уменьшение степени негативного влияния одного или группы превалирующих факторов (типов искажений и помех).

Этап классификации или интерпретации изображений является заключительным. Собственно, изображения и формируются для того, чтобы из них можно было извлечь ту или иную полезную информацию. Методы классификации и интерпретации очень разнообразны и во многом индивидуальны в зависимости от конкретного приложения. Заинтересованному читателю можем посоветовать обратиться к соответствующим монографиям. Многие задачи распознавания образов, классификации и интерпретации данных в настоящее время решаются на основе использования нейросетей, но эти вопросы выходят за рамки данной книги. Отметим лишь, что опыт авторов показывает, что успешное решение задачи повышения качества изображения в большинстве практических ситуаций способствует и более надежным распознаванию и интерпретации изображений.

14.4. Требования к фильтрам, критерии эффективности

Основные требования к методам и алгоритмам фильтрации изображений состоят в следующем:

1)  обеспечение эффективного подавления помех или устранение того типа искажений, для которого они разработаны;

2)  сохранение (или минимальная степень искажения) полезной информации, содержащейся в обрабатываемом изображении;

3)  обеспечение приемлемой работоспособности при небольших отклонениях параметров и характеристик изображений или помех от выбранных, разработка или оптимизация параметров фильтра, т.е. устойчивости в широком смысле;

4)  обеспечение приемлемого быстродействия при аппаратурно-алгоритмической реализации соответствующих методов.

Многие из перечисленных требования являются взаимно противоречивыми. Так, практически невозможно одновременно обеспечить близкую к предельной степень подавления помех, особенно помех сложного вида, и высокое качество сохранения полезной информации, в частности, границ, малоразмерных деталей и текстуры. Кроме того, эффективные в плане повышения качества методы редко обладают таким же высоким быстродействием, как более простые и эффективные в вычислительном плане алгоритмы. Поэтому на практике приходится искать приемлемый компромисс между основными свойствами фильтров. Более того, не существует таких достаточно простых фильтров, которые могли бы устранить искажения и помехи в ситуациях, когда невозможно считать превалирующим негативное влияние только одного фактора. В таких ситуациях целесообразно разбивать вторичную обработку на два или несколько этапов, на каждом из которых достигаются определенные частные цели - устраняется влияние одного или двух конкретных факторов.