第一章 緒論
影像有時候會出現干擾的現象，稱為雜訊(noise)。由於雜訊的性質不同，導致去除雜訊的方法也不盡相同。這邊我們假設雜訊的狀況為干擾亮點，此一雜訊屬於高頻的雜訊，因此利用低通濾波器來使雜訊模糊化，藉此達到去除雜訊的效果。
1.1 研究背景與動機
雜訊的本意是對外界干擾的總稱。何謂影像的雜訊呢？例如由於電視天線狀況不佳導致影像接收不好，這又可分為兩類，其一是收視的影像本身出現扭曲、歪斜或者是模糊不清等情況。其二是影像上面出現各種形式的干擾斑點、條紋等。後一種干擾稱之為影像的雜訊(noise)。
由於雜訊的性質不同，導致去除雜訊的方法也不盡相同。那麼，如何從一幅有雜訊的影像中把雜訊除去呢？這是本篇研究的主題。我們的目的是要把干擾的雜訊除去，得到清晰的影像。
因此我們可以把有雜訊干擾的影像放大觀察後，可以知道，雜訊的濃度與其四周像素(pixel)的濃度間，存在著很大的濃度差。正是這種急遽變化的濃度差，使人覺得刺眼，利用雜訊的這種性質除去雜訊的方法，一般稱之為平滑化(smoothing)。但影像的邊界部份也有急遽變化的濃度差。如何將邊界與雜訊恰當的分離開來，只除去雜訊部份，這也是需要注意的地方。
1.2 數位影像類型簡介
基礎的影像類型有四種，這邊作個簡單的介紹。
1.二元數位影像(binary) 每一個像素不是黑就是白。由於像素只有兩種可能值，因此每個像素只需1位元，這種影像的儲存效率很高。
2.灰階影像(grayscale) 每一個像素都是灰色，只是深淺不同，一般來說範圍從0(黑)到255(白)。由此可知每個像素需要8位元來表示。
3.全彩或RGB影像(true color) 每一個像素都有自己的顏色，這個顏色是由不同比例的紅，綠，藍調配而成。且每個原色深淺範圍也各都是0-255。因為每個像素需要使用24位元，所以這種影像又稱為24位元彩色影像(24-bit color image)。
4.索引影像(indexed) 大部分影像集中在某一部分，為了方便儲存及處理，於是建立相對應的色譜(colormap)或調色盤(color palette)，每個像素的值僅代表著色譜上對應顏色的索引(index)。
第二章 421濾波器及演算法
我們可以透過對像素執行特定函數運算來修正影像。對於四周的部份(臨域)也可以使用同樣的方式去運算。主要的概念便是將遮罩覆蓋到指定的影像上面。如此一來，便會如圖2.1所示，產生一個新的影像，該影像的像素值則是根據遮罩下的像素值運算而來。而遮罩與函數的結合便稱之為濾波器(filter)。
濾波器的運算大致來說可分為三個步驟：
1.將遮罩置於指定像素上。
2.將濾波器的所有元素與臨域相對應的像素相乘。
3.將上述乘法的結果相加後計算平均值。
影像中的所有像素都需重覆此一運算。
 
(a)3x3遮罩器 (b)指定像素
(c)遮罩示意圖 圖2.1 遮罩器與指定像素 |
