,

آموزش حذف نويز تصوير با استفاده از جعبه ابزار ويولت (waveletmenu)

در اين پست آموزشی با روش حذف نويز تصوير در محيط نرم افزار  متلب آشنا مي شويم. حذف نويز از تصوير را مي توان به عنوان يک بخش از پردازش و يا به عنوان يک فرايند مستقل در نظر گرفت. در مورد اول، حذف نويز تصوير به منظور بهبود دقت الگوريتم هاي مختلف پردازش تصوير از جمله ثبت و يا دسته بندي به کار مي رود. درمورد دوم، حذف نويز با هدف بهبود کيفيت تصوير جهت بازرسي بصري به کار مي رود. حفاظت از اطلاعات تصوير مربوطه به خصوص در زمينه پزشکي بسيار مهم است زيرا در کاربردهاي تشخيصي اگر حذف نويز به درستي انجام نشود آناليزهاي بعدي دچار مشکل شده و ممکن است پزشک در تشخيص نهايي دچار اشتباه شود. بنابراين يکي از مهم ترين مسائلي که بايد به آن توجه کافي شود بحث حذف نويز و کاهش آن ها در تصاوير پزشکي است به خصوص در تصوير برداري MRI و سونوگرافي که کاربرد زيادي در پزشکي دارند.
هدف از اين آموزش نشان دادن کاربرد تحليل ويولت دوبعدي و نيز تحليل ويولت ايستان دوبعدي در حذف نويز تصاوير است. حذف نويز يکي از مهم ترين کاربردهاي ويولت محسوب مي شود. براي شروع کار، ابتدا دستور wavemenu را در محيط Command نرم افزار
MATLAB تايپ کنيد و سپس بر روي کليد Enter  فشار دهيد. شکل1، جعبه ابزار ويولت به منظور حذف نويز را نشان مي دهد. تصويري که در اين آموزش مورد استفاده قرار مي گيرد، تصوير معروف لنا Lena))است که در حوزه پردازش تصوير بسيار کاربرد دارد. تصوير لنا در شکل2 نشان داده شده است. براي حذف نويز ابتدا Wavelet 2-D را انتخاب کنيد. از منوي File -> Load -> Image و در مسير toolbox/wavelet/wavedemo فايل noiswom.mat را انتخاب کنيد. اين تصوير، يک تصوير نويزي است که به عنوان ورودي مي تواند مورد استفاده قرار گيرد. تصوير نويزي مطابق شکل3 است.

wavelet menu

شکل(1)جعبه ابزار ویولت

تحليل حذف نويز را به کمک ويولت دابيچز (db) و در دو سطح تجزيه انجام دهيد. نتيجه تحليل به صورت شکل 4 است. همان طور که در اين شکل مشاهده مي شود، چهار تصوير ظاهر شده است

lena

شکل(2): تصویر lena

که تصوير گوشه سمت چپ
بالا تصوير نويزي است و
تصوير گوشه سمت راست پايين، تصوير تجزيه شده با استفاده از تبديل ويولت گسسته بوده و تصوير سمت چپ پايين مربوط به تصوير سنتز شده با استفاده از عکس تبديل فوريه است.

تصویر نویزی در متلب

شکل(3): تصویر نویزی

 

waveletmenu matlab
شکل4) آناليز ويولت تصوير نويزي

حال دکمه De-noise  در سمت راست و وسط پنجره را فشار دهيد تا پنجره مربوط به فرآيند حذف نويز مطابق شکل5 باز شود.

denoise matlab
شکل5) فرآيند حذف نويز

در ابزار گرافيکي ظاهر شده، مقادير آستانه ها براي آستانه گيري هر يک از سيگنال هاي دوبعدي جزئيات به طور خودکار و توسط يکي از روش هاي انتخاب شده توسط کاربر تعيين مي شود. از منوي Select Thresholding Method گزينه  Penalize low را انتخاب کنيد و سپس دکمه ي De-noise را فشاردهيد. نتيجه به صورت شکل6 است. همان طور که ملاحظه مي شود، در تصوير حذف نويز شده، اثر بلوکي به چشم مي خورد. شدت اين اثر اگر نوع آستانه گيري را Penalize High انتخاب کنيد، بيشتر مي شود. شکل7 نمايش تصوير حذف نويز شده با استفاده از Penalize high را نشان مي هد.

Penalize low
شکل6) نمايش تصوير اصلي و حذف نويز شده با آستانه Penalize low

Penalize high
شکل7) نمايش تصوير اصلي و حذف نويز شده با آستانه Penalize high

يک راه براي کاهش اثر بلوکي استفاده از تبديل ويولت ايستان SWT (Stationary Wavelet Transform) است. تبديل DWT معمولي داراي خاصيت تغييرناپذيري بازمان نيست. براي داشتن تقريبيِ چنين خاصيتي از تبديل SWT مي توان استفاده کرد. در اين تبديل بين چند تصوير خروجي، ميانگين گرفته مي شود. هر تصوير خروجي، حاصل از يک تبديل DWT معمولي اما با ضرايب درونيابي شده (ɛ-Decimated) است. براي استفاده از  SWT در اين آموزش، از پنجره اصلي انتخاب روش تحليل، از منوي Specialized Tools 2-D روش SWT Denoising 2-D را انتخاب کنيد. به همان شيوه بيان شده، تصوير نويزي را بارگذاري کنيد. ويولت دابيچز با دو سطح تجزيه را انتخاب کرده و

Penalize low

شکل8): نمایش تصویر اصلى و حذف نویز شده با آستانه Penalize low
به روش SWTو db2

 

دکمه Decompose Image دهيد. در اينجا هم نوع آستانه گيري را مشابه قبل، از نوع Penalize Low انتخاب کنيد. همچنين به کمک تنظيم نوار لغزان Sparsity مقدار آستانه را در حدود 50 قرار دهيد تا مقداري مشابه آزمايش قبل بوده و در نتيجه مقايسه نتايج صحيح و معتبر باشد. حال دکمه De-noise را فشار دهيد. نتيجه نهايي بدست آمده به صورت شکل8 است.
ملاحظه مي شود که نتيجه نسبت به آزمايش قبلي، قابل قبول تر است. البته اين نتيجه را باز هم مي توان بهتر کرد.

مایش تصویر اصلى و حذف نویز شده با آستانه low Penalizeبه روش SWTو

شکل 9):  نمایش تصویر اصلى و حذف نویز شده با آستانه low Penalizeبه روش SWTو sym6

 

براي اين کار از ويولت  sym6استفاده کنيد. نتيجه کار به صورت شکل9 خواهد بود.

این یکی از کاربرد های waveletmenu در متلب است.

منابع
1-هادي گرايلو، تبديل موجک و کاربردهاي آن، دانشگاه صنعتي شاهرود- دانشکده برق و رباتيک
2- مريم محسن زاده، علي رفيعي، محسن معصومي، ارائه روشي نوين در حذف نويز تصاوير MRI سه بعدي با استفاده از تابع ويولت مختلط درختي دوگانه، اولين همايش ملي مهندسي برق و کامپيوتر در شمال کشور، 1393.

 

شاید مایل باشید در مورد موضوعات زیر بیشتر بدانید:

0 پاسخ

دیدگاه خود را ثبت کنید

دوست دارید به بحث ملحق شوید؟
Feel free to contribute!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

13 + یک =