Rauschreduzierung
Bildrauschen
Bilder leiden unter verschiedenen Arten von Rauschen:
Impulsrauschen
Diese Art von Rauschen (manchmal auch "Salz- und Pfefferrauschen" genannt) entsteht in der Regel durch Hot- oder Coldpixel. In der Regel wird es durch die Verwendung eines Sigma-Rejection-Stacking behandelt, aber manchmal müssen Sie es auch manuell behandeln, wenn Sie ein einzelnes, nicht gestacktes Bild verarbeiten.
Additives weißes Gaußsches Rauschen
Diese Art von Rauschen ist typisch für stark belichtete Fotos: Es entsteht durch die thermischen und elektronischen Schwankungen des Aufnahmegeräts, und der Rauschpegel ist unabhängig vom Signal. Additives weißes Gaußsches Rauschen (Additive White Gaussian Noise - AWGN) kann während der Aufnahme durch die Verwendung gekühlter Kameras reduziert werden, und es wird beim Stacking reduziert, weil das Stapeln von \(n\) Bildern das korrelierte Signal um einen Faktor von \(n\) erhöht, während das unkorrelierte Rauschen nur um einen Faktor von \(\sqrt{n}\) zunimmt. Dies ist auch die Art von Rauschen, auf deren Entfernung die meisten klassischen Entrauschungsalgorithmen ausgelegt sind.
Poissonrauschen
Bei photonenarmen Bildern ist das Rauschen nicht mehr in erster Linie gaußförmig, sondern die Wahrscheinlichkeitsverteilung der Photonenzählung wird signifikant oder sogar dominant. Dies wird durch eine Poisson-Verteilung modelliert, und diese Art von Rauschen ist signalabhängig.
Rauschreduzierung in Siril
Siril bietet gut untersuchte klassische Entrauschungsalgorithmen auf dem neuesten Stand der Technik. Die Kriterien für die Auswahl der Algorithmen waren:
Der Algorithmus sollte in wissenschaftlichen Fachzeitschriften mittels Peer Review analysiert werden, mit einer Beschreibung des Algorithmus und einem objektiven quantitativen Vergleich seiner Leistung.
Die Autoren sollten eine F/OSS-Implementierung zur Verfügung gestellt haben. Dies ist wichtig, um IP-Probleme zu vermeiden und, wenn die Referenzimplementierungen direkt verwendet wurden, die Lizenzkompatibilität sicherzustellen.
Die Algorithmen sollten mit einer angemessenen Geschwindigkeit arbeiten.
Schließlich muss die Implementierung des Algorithmus in der Lage sein, 32-Bit-Gleitkomma-Pixeldaten zu verarbeiten.
Die Technologie der neuronalen Netze zur Rauschunterdrückung wurde untersucht, aber zum gegenwärtigen Zeitpunkt aufgrund der Komplexität der Entwicklung verworfen. Die Entrauschungsleistung neuronaler Netze kann klassische Ansätze in der Regel um bis zu einem dB Peak des Signal-Rausch-Verhältnisses übertreffen, aber die Leistung hängt in hohem Maße davon ab, dass das neuronale Netz auf Daten trainiert wird, die für die Live-Daten repräsentativ sind auf denen es angewendet werden soll.
Dialog Bildentrauschung
Algorithmen: Impulsrauschen
Siril entfernt das Impulsrauschen in erster Linie durch Stacking mit Sigma-Unterdrückung. Wenn Sie diese Stacking-Methode verwenden, sollten Sie keine Probleme mit Impulsrauschen haben. Wenn Sie jedoch an einer Einzelbelichtung arbeiten, können Sie durchaus Impulsrauschen in Ihrem Bild finden. Dieses sollte mit der Funktion Kosmetische Korrektur von Siril behandelt werden, bevor eine andere Rauschreduzierung verwendet wird, da das Vorhandensein von Impulsrauschen Entrauschungsalgorithmen für "Additives weißes gaußsches Rauschen" verfälschen und Artefakte erzeugen kann. Die Funktion funktioniert ähnlich wie die Sigma-Rückweisung, allerdings für benachbarte Pixel. Jedes Pixel, dessen Intensität um mehr als n Standardabweichungen von seinen Nachbarn abweicht, wird zurückgewiesen und durch einen Wert ersetzt, der auf dem Median der Nachbarn basiert. Im Entrauschungswerkzeug ist die kosmetische Korrektur standardmäßig aktiviert und findet vor allen weiteren Entrauschungsschritten statt. (Auch wenn bereits eine Impulsrauschen-Entfernung durchgeführt wurde, schadet es nicht, die Einstellung aktiviert zu lassen). Alternativ kann die kosmetische Korrektur auch manuell mit dem Werkzeug Kosmetische Korrektur im Menü Bildbearbeitung durchgeführt werden.
Algorithmen: Additives weißes Gaußsches Rauschen AWGN
Der wichtigste Algorithmus zur Reduzierung des AWGN-Rauschens, der in Siril verwendet wird, ist die nicht-lokale Bayes'sche Entrauschung (NL-Bayes) [Lebrun2013].
Nichtlokale Entrauschungsalgorithmen stellen eine wesentliche Verbesserung gegenüber früheren pixelzentrierten linearen Filtern dar. NL-Bayes ist eine verbesserte Version eines früheren nichtlokalen Entrauschungsalgorithmen und bietet einen der besten klassischen AWGN-Entrauschungsalgorithmen. Er ist geringfügig besser als der moderne "Benchmark"-Algorithmus Block Matching and 3D tranform (BM3D) zur Rauschunterdrückung und viel schneller in der Ausführung.
Der Schlüsselparameter, der zur Optimierung der Leistung von AWGN-Algorithmen erforderlich ist, ist sigma, die Standardabweichung des Rauschens. Siril misst den Rauschpegel direkt aus den Bilddaten und gibt ihn an den NL-Bayes-Algorithmus weiter. Daher gibt es im Siril-Entrauschungstool keine konfigurierbaren Eingaben für NL-Bayes.
Siril ergänzt NL-Bayes mit einer Reihe von anderen Algorithmen zur Rauschunterdrückung:
Dataadaptive Dual-Domain-Entrauschung (DA3D) [Pierazzo2017]
Dabei wird das Ergebnis von NL-Bayes als Vorgabe verwendet. Diese Vorgabe wird zur erneuten Verarbeitung des Originalbildes verwendet, indem eine Schrumpfung im Frequenzbereich an form- und datenadaptiven Feldern vorgenommen wird. Dies verbessert die Leistung von NL-Bayes geringfügig, verursacht aber zusätzliche Rechenkosten. Die form- und datenadaptiven Patches werden dynamisch ausgewählt, so dass sich die Berechnungen auf die Bereiche mit den größten Bilddetails konzentrieren. Sie kann auch dazu beitragen, Treppenartefakte im Originalbild zu reduzieren.
Im Siril-Entrauschungstool ist DA3D ein einfacher Schalter ohne optionale Einstellungen.
Iterator "Operate Subtract" stärken (SOS) [Romano2015]
SOS funktioniert, indem der primäre Entrauschungsalgorithmus mehrmals wiederholt wird. Bei jeder Iteration wird das Bild "verstärkt", indem ein Teil des ursprünglichen verrauschten Bildes beigemischt wird. Der NL-Bayes-Algorithmus wird auf diesem verstärkten Bild ausgeführt, woraufhin die vorherige Schätzung subtrahiert wird.
Das Bild x in einer Iteration \(k+1\) ist gegeben durch \(x_{k+1}=f(y+x_k)-x_k\), wobei \(y\) das verrauschte Eingangsbild ist.
Im Siril-Entrauschungsprogramm ist SOS ein Schalter mit zwei Parametern: Die Anzahl der
SOS Iterationenkann eingestellt werden, und der Anteil des verrauschten Bildes, der bei jeder Iteration beigemischt wird (rho), kann eingestellt werden. Vermeiden Sie es,rhozu hoch einzustellen, da dies zu Problemen mit der Konvergenz von SOS führen kann: die Standardwerte (3 Iterationenundrho = 0,2) sind normalerweise in Ordnung.
Algorithmen: Poisson und Poisson-Gaußsches Rauschen
Anscombe VST mit exakter unverzerrter Invertierung (Anscombe Variance-Stabilising Transform) [Mäkitalo2011], [Mäkitalo2012]
Varianzstabilisierende Transformationen werden für Bilder mit Poisson- oder Poisson-Gaußschem Rauschen verwendet, um die Signalabhängigkeit des Rauschens zu minimieren und es eher wie AWGN aussehen zu lassen, das mit NL-Bayes gut entfernt werden kann, und anschließend wird eine inverse Transformation angewendet. Die für Siril gewählte Transformation ist die Anscombe-Transformation \(A: x\rightarrow 2\times \sqrt{\left(x+\frac{3}{8}\right)}\)
Da die Transformation nicht linear ist, würde die Verwendung der direkten algebraischen Umkehrung zu einer Verzerrung des Ergebnisses führen. Siril verwendet daher eine geschlossene Annäherung an die exakte unverzerrte Umkehrung, die schnell zu berechnen ist und eine wesentliche Verbesserung gegenüber anderen Formen der Umkehrung wie der asymptotischen Umkehrung darstellt.
Im Siril-Entrauschungstool ist Anscombe VST ein einfacher Schalter ohne optionale Einstellungen.
Beachten Sie, dass nur einer der oben genannten komplementären Entrauschungsalgorithmen gewählt werden kann.
Die nachstehende Animation zeigt, was mit Hilfe der Varianzstabilisierung bei einem photonenarmen Bild möglich ist, in diesem Fall ein einzelnes 5-minütiges Rotfilter-Light des Pelikannebels, das mit der Bildschirmübertragungsfunktion Auto-Stretch angezeigt wird. Man beachte das Fehlen von Unschärfen, Aufblähungen oder Detailverlusten um die Sterne herum und die scharfe Kante des Nebels im unteren linken Teil des Bildes im Vergleich zu dem, was man mit einfacheren Rauschunterdrückungsprogrammen erreichen könnte. Wenn man das Bild auf sympathischere Weise streckt und mit anderen Kanälen kombiniert, würde dies die Qualität, die mit sehr begrenzten Daten erreicht werden kann, erheblich verbessern (obwohl mehr Daten immer die bessere Lösung sind!)
Entrauschen eines photonenarmen Bildes
Modulation
In Siril ist die Modulation ein Parameter zwischen 0 und 1, der das Originalbild und das entrauschte Bild mischt. Bei einem Wert von 1 bleibt nur das entrauschte Bild erhalten, bei einem Wert von 0 wird überhaupt keine Rauschunterdrückung vorgenommen. Die Modulation verringert natürlich die Leistung der Rauschunterdrückung, aber in einigen Fällen, wenn die Rauschunterdrückung flache Bereiche des Bildes etwas zu glatt aussehen lässt, können Sie die Modulation verwenden, um das Aussehen der Mikrotextur in diesen Regionen zu erhalten.
Wann die Rauschunterdrückung eingesetzt werden sollte
Die Algorithmen zur Rauschunterdrückung sind darauf ausgelegt, AWGN zu entfernen, und sollten daher am besten bei ungestreckten Bildern funktionieren: Wenn weißes Rauschen einer nichtlinearen Streckung unterzogen wird, ändern sich seine Eigenschaften und es ist nicht mehr weiß. Die Rauschunterdrückung kann auch bei gestreckten Bildern durchgeführt werden und führt zu einer Verbesserung, ist aber möglicherweise nicht so effektiv wie bei der Anwendung im linearen Bild.
Rauschunterdrückung Benutzeroberfläche
Auf das Siril-Rauschunterdrückungsprogramm kann auf zwei Arten zugegriffen werden: über die grafische Benutzeroberfläche oder über die Befehlsschnittstelle. Die grafische Benutzeroberfläche ist unten abgebildet. Hinweis: Die erweiterten SOS-Optionen sind ausgeblendet, wenn SOS nicht ausgewählt ist.
Siril Bildentrauschungs-GUI
Die Rauschunterdrückung kann auch mit Siril-Befehlen entweder in der Konsole oder in Skripten durchgeführt werden. Das Format ist:
Siril Kommandozeile
denoise [-nocosmetic] [-mod=m] [ -vst | -da3d | -sos=n [-rho=r] ] [-indep]
Vergleich
Die folgenden Bilder zeigen einen einfachen Vergleich der verschiedenen Algorithmen. Beachten Sie, dass nur ein Bild verwendet wird: In der Praxis werden sich verschiedene Algorithmen besser für die Verwendung bei unterschiedlichen Bildern eignen. Alle Bilder können angeklickt werden, um sie mit 100 % Zoom zu betrachten.
Verrauschtes Originalbild
Verrauschtes Bild
Nur mit NL-Bayes entrauscht
Nur mit NL-Bayes entrauscht
Nur mit NL-Bayes entrauscht, mit 75% Modulation um einen Teil der Mikrotexturen zu erhalten
Verwendung der Modulation
Entrauscht mit NL-Bayes unter Verwendung der Anscombe VST
Entrauscht mit NL-Bayes, Varianzstabilisierung mit Anscombe-Transformation. Rechts ist ein nicht interpolierter 200%-Zoom zu sehen.
Entrauscht mit DA3D unter Verwendung eines NL-Bayes-Führungsbildes
Mit DA3D entrauschtes, mit NL-Bayes aufbereitetes Führungsbild. Rechts ist ein nicht interpolierter 200%-Zoom zu sehen.
Entrauscht mit NL-Bayes und SOS
Entrauscht mit NL-Bayes und SOS-Iterationen. Rechts ist ein nicht interpolierter 200%-Zoom zu sehen.
Einschränkungen
Die wichtigste Einschränkung besteht darin, dass die Algorithmen am besten funktionieren, wenn das Rauschen gaußförmig ist (oder mit Hilfe des VST annähernd gaußförmig gemacht werden kann). Es gibt einige Gründe, warum dies nicht der Fall sein könnte:
Wenn das Bild bereits stark bearbeitet wurde, z. B. durch Entfaltung oder Wavelet-Schärfung, ist der Charakter des Rauschens im Allgemeinen nicht mehr gaußförmig. Wenn sowohl Rauschunterdrückung als auch Entfaltung Teil Ihres Arbeitsablaufs sind, sollte die Rauschunterdrückung zuerst durchgeführt werden.
OSC-Bilder lassen sich weniger gut entrauschen als Mono- oder zusammengesetzte Farbbilder. Es wird zwar eine geringfügige Verringerung des AWGN in der Luminanz erreicht, aber durch das De-Bayering wird der Charakter des Rauschens so verändert, dass es nicht mehr gut als AWGN modelliert und nicht sehr effektiv entfernt wird. Darüber hinaus wird Chrominanzrauschen sowohl bei OSC- als auch bei zusammengesetzten Monofarbbildern in der Regel nicht gut als AWGN modelliert und muss anders behandelt werden. Gegenwärtig wird Chrominanzrauschen am besten mit allgemeiner Bildbearbeitungssoftware wie The GIMP behandelt.
Quellenverzeichnis
Lebrun, M., Buades, A., & Morel, J. M. (2013) Implementation of the “Non-Local Bayes” (NL-Bayes) Image Denoising Algorithm. Image Processing On Line, 3 , pp. 1–42. https://doi.org/10.5201/ipol.2013.16
Pierazzo, N., & Facciolo, G. (2017). Data adaptive dual domain denoising: a method to boost state of the art denoising algorithms. Image Processing On Line, 7, 93-114. https://doi.org/10.5201/ipol.2017.203
Mäkitalo, M., & Foi, A. (2012, March). Poisson-gaussian denoising using the exact unbiased inverse of the generalized anscombe transformation. In 2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 1081-1084). IEEE. https://doi.org/10.1109/ICASSP.2012.6288074
Makitalo, M., & Foi, A. (2011). A closed-form approximation of the exact unbiased inverse of the Anscombe variance-stabilizing transformation. IEEE transactions on image processing, 20(9), 2697-2698. https://doi.org/10.1109/TIP.2011.2121085
Romano, Y., & Elad, M. (2015). Boosting of image denoising algorithms. SIAM Journal on Imaging Sciences, 8(2), 1187-1219. https://doi.org/10.1137/140990978