IP 05・為什麼還原模糊會放大雜訊?
中階IP 05・影像復原與重建影像實驗
題目說明
用高斯 PSF 模糊一張真實照片,加入少量雜訊,再於頻域除以模糊的轉移函數。觀察單純的逆濾波如何失敗,並找出能救回影像的 Wiener 常數 K。
試試看:保持雜訊 0.005,把 log10 K 從 −7 一小步一小步提高。還原後的 PSNR 會上升、到達高峰、再下降:高峰在哪裡?高峰兩側的影像各是什麼樣子?接著把雜訊設為 0:K = 0 還是災難嗎?最後把雜訊提高到 0.02,看最佳的 K 往哪裡移動。
解析
請先回答預測問題,或在準備好時再打開解析。
顯示解析
模糊使轉移函數在高頻變得極小,所以除以它會把該處的內容乘上一個巨大的數字,而雜訊平均分布在所有頻率。在這個雜訊下,模糊影像的 PSNR 是 23.95 dB,與沒有雜訊時的 23.98 dB 幾乎相同;單純逆濾波卻只有 4.79 dB,比模糊影像更差,看起來是隨機的黑白點。同一個濾波器用在沒有雜訊的影像上可達 34.94 dB,而只要雜訊有 0.00001,PSNR 就掉到 6.1 dB。失敗來自雜訊,而不是模糊。
實驗 · IP 05・為什麼還原模糊會放大雜訊?
正在載入影像…
試試看:保持雜訊 0.005,把 log10 K 從 −7 一小步一小步提高。還原後的 PSNR 會上升、到達高峰、再下降:高峰在哪裡?高峰兩側的影像各是什麼樣子?接著把雜訊設為 0:K = 0 還是災難嗎?最後把雜訊提高到 0.02,看最佳的 K 往哪裡移動。
使用真實的 256 × 256 相機影像。退化過程依章節的模型,在頻域寫成 G = H·F + N。H 是標準差為 σ 像素的高斯 PSF 的轉移函數,H = exp(−2π²σ²(u² + v²)),其中 u、v 的單位是每像素週期數;模糊採週期性(循環)模型,與章節程式碼相同,因此濾波器與模糊完全吻合,也不做補零。N 是固定種子的白色高斯雜訊場,乘上雜訊強度(標準差,以 0 到 1 的範圍為單位,所以 0.005 約為 255 階中的 1.3 階),直接加在模糊影像上,不量化成 8 位元。還原使用章節中的常數 K Wiener 濾波器,F̂ = H*/(|H|² + K) · G。這裡的 K 是由你自己調整的常數,並不是雜訊對訊號功率比的估計值。K = 0 就是單純的逆濾波 1/H,其中 |H| 小於 10^−6 的頻率直接設為 0(與章節程式碼相同的慣例),所以它的最大增益停在約一百萬,σ 較大時即使沒有雜訊也無法完美還原。PSNR 是把各影像截斷到 0 到 1 之後與原影像比較。增益是 |H|/(|H|² + K) 在所有頻率上的最大值;K 大於 0 時,它不會超過 1/(2√K)。
方法與影像來源
- Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, 4th ed., Pearson, 2018 (image restoration: inverse and Wiener filtering)
- scikit-image test images (skimage.data): camera is CC0 by Lav Varshney; coins is from the Brooklyn Museum collection, no known copyright restrictions; astronaut is a NASA photograph in the public domain