تفاوت حذف نویز در دو فیلتر Median و Averaging
موسسه پایاپروژه به عنوان متصدی انجام پروژه های پردازش تصویر با متلب وظیفه ی خود می داند که در راستای آموزش نرم افزار متلب گام های موثری را بردارد. با توجه به اینکه یک دوره آموزشی متلب مستلزم تمرین و تلاش بسیار است. اما این موسسه تلاش می کند سهم کوچکی در جهت یادگیری شما داشته باشد.
متلب و قدرت آن در حذف نویز
متلب یکی از نرم افزارهایی است که برای پردازش تصاویر و حذف نویز موجود در تصاویر از آن استفاده میشود. با پایا پروژه همراه باشید و به صورت کامل آموزش متلب برای حذف نویز با استفاده از دو فیلتر Median و Averaging را مشاهد کنید.
تفاوت حذف نویز در دو فیلتر Median و Averaging
دو فیلتر بالا، تحت عنوان میانه و میانگین شناخته میشوند. شیوه کار آنها در زیر ارائه شده است.
- مرحله اول: وارد کردن تصویر به متلب
برای وارد کردن تصویر از تابع imread و برای نمایش آن از تابع imshow استفاده میشود. برای مثال قطعه کد زیر نمایش دهنده وارد کردن عکس نمونه است.
I = imread(‘eight.tif’);
figure
imshow(I)
تصویر اولیه فاقد نویز
- مرحله دوم: اضافه کردن نویز به تصاویر
فیلترهای زیادی در متلب وجود دارند که برای اضافه کردن نویز از آنها استفاده میشود. در قطعه کد زیر از فیلتر «نمک و فلفل» یا به اصطلاح salt & pepper استفاده شده است. کاری که این فیلتر انجام میدهد این است که پیکسل های سیاه و سفید را در محدوده و پراکندگی خاص به تصویر اضافه میکند
J = imnoise(I,’salt & pepper’,0.02);figureimshow(J)
پس از اعمال نویز، تصویر اولیه به تصویر زیر تغییر شکل میدهد.
تغییر شکل تصویر اولیه بعد از اضافه کردن نویز
- مرحله سوم: اعمال فیلتر حذف نویز میانگین به تصویر
در قطعه کد زیر از یک فیلتر میانه استفاده شده است و نتیجه آن در ادامه نمایش داده شده است.
Kaverage = filter2(fspecial(‘average’,3),J)/255;figureimshow(Kaverage)
تغییر شکل تصویر اولیه بعد از اضافه کردن نویز میانگین
- مرحله چهارم: اعمال فیلتر حذف نویز میانه به تصویر
نتایج حاصل از اعمال حذف نویز توسط فیلتر میانه نمایش در زیر نمایش داده شده است.
Kmedian = medfilt2(J);imshowpair(Kaverage,Kmedian,’montage’)
تغییر شکل تصویر اولیه بعد از اضافه کردن نویز میانه
نتیجه گیری:
فیلتر میانگین برای حذف نویز بر اساس تنظیم میانگین پیکسل های اطراف بر روی پیکسل نویزی عمل میکنند. در حالی که فیلتر Median، میانه را به مقدار پیکسل های خروجی میدهد. با این وجود فیلتر Median حساسیت کمتری نسبت به Averaging دارد و باعث میشود وضوح تصویر نیز آسیب نبیند و همانطور که مشاهده کردید، عملکرد بهتری نیز دارد.
برای آموزش بیشتر و سفارش پروژه های متلب با پایا پروژه ارتباط بگیرید و یا اینکه برای انجام انجام پروژه های متلب خود، از منابع آموزشی دیگر ما استفاده کنید.
منابع:
