Adaptive Rauschunterdrückung mit Wienerfilterung

WICHTIG: Der Betrieb von goMatlab.de wird privat finanziert fortgesetzt. - Mehr Infos...

Partner:

Forum

Option

[Erweitert]

• Diese Seite per Mail weiterempfehlen

Gehe zu:

knut8

Forum-Newbie


	Beiträge: 2

	Anmeldedatum: 23.02.15

	Wohnort: ---

	Version: ---

Verfasst am: 01.03.2015, 19:16 Titel: Adaptive Rauschunterdrückung mit Wienerfilterung

Hallo Matlab-Gemeinde,
ich habe zum Thema "Adaptive Rauschunterdrückung mit Wienerfilterung" folgende Aufgabe zu bewältigen:

1. Verarbeitungsablauf so einrichten, dass der Algorithmus auf einem Luminanzsignal einer helligkeitsinvarianten (helligkeitsunveränderlichen) Farbdarstellung arbeitet
Zunächst muss das RGB-Bild in LAB gewandelt und anschließend auf die a- und b-Kanäle per "imnoise" ein Rauschen eingebaut werden, richtig?
Wie mache ich das?

2. Implementierung des Algorithmus einer Wienerfilterung mit separierbarem Binomialfilter zur Tiefpassfilterung
Da die Wienerfilterung mit Grauwerten funktioniert, weiß ich nicht wie ich es mit den LAB-Werten vereinbaren kann...
Gibt es eventuell einen anderen Lösungsansatz?

3. Steuerparameter: SigmaNoise (Signalrauschpegel) und FilterWidth (Anzahl der Filterkoeffizienten) etablieren.
Ich hoffe doch, dass es hier keine Probleme gibt Very Happy

4. Automatische Anpassung an unterschiedliche Rauschpegel (helligkeitsabhängig) im Originalbild (SigmaNoise=f(L) sei bekannt).
Durch die Helligkeitsabhängigkeit, soll wohl das Rauschen auf das Original aufaddiert werden und anschließend eine Kennlinie Matlab - Simulink - Lookup Tables - Lookup Table

Matlab - Simulink - Lookup Tables - Lookup Table

an den Kantendetektor der Wienerfilterung übergeben werden.
Leider weiß ich noch nicht, wie ich an diese Teilaufgabe herangehen soll Sad

Da ich noch relativ unerfahren mit MATLAB bin und nur theoretische Kenntnisse habe, hoffe ich diese Aufgabe mit eurer Hilfe lösen zu können.
Bin gespannt, ob mir jemand helfen kann. Vielen Dank schon mal im Voraus Smile

Hubertus

Forum-Meister


	Beiträge: 1.034

	Anmeldedatum: 08.01.09

	Wohnort: Hamburg

	Version: ---

Verfasst am: 02.03.2015, 05:36 Titel:

Moin,

das sind viele Fragen auf einmal. Ich würde zunächst damit beginnen, das Bild nach Lab zu konvertieren. Den Algo. bekommst du hier:

http://www.mathworks.com/matlabcent.....rgb2lab/content/RGB2Lab.m

Dann müsstest du noch einmal überlegen, warum du in den a + b-Kanälen Rauschen indizieren willst. Dafür ist eigentlich der Luminanzkanal da. Außerdem gibt es noch andere Farbräume. Für die Rauscherzeugung gibt es u.a. den Befehl "imnoise", der ja dann auf eine m*n Matrix wirkt. Danach fügst du das Bild wieder mit Lab2RGB zusammen. Auch diesen Algo. muss du noch runterladen. Oder du nimmst den Farbraum ycbcr aus Matlab. Dann würdest du im y-Kanal das Rauschen indizieren.

Das würde ich zunächst machen und dich wieder melden, wenn es da Probleme geben sollte.

Viel Erfolg

Hubertus

knut8

Themenstarter

Forum-Newbie


	Beiträge: 2

	Anmeldedatum: 23.02.15

	Wohnort: ---

	Version: ---

Verfasst am: 05.03.2015, 10:29 Titel:

Hallo,
danke dir Hubertus für die schnelle Antwort. Ich habe sie gelsen und auch ein bisschen mit rgb2lab herumexperimentiert, aber ich habe irgendwie nicht den richtigen Input für den Algorithmus zusammen bekommen Rolling Eyes

Naja, ich bin jetzt zu einem anderen Ansatz gekommen: Wandlung der sRGG-Daten in XYZ und dann erst in LAB. Dann den Luminanzkanal isolieren und ein weißes Rauschen auftragen.

Code:

imgXYZ=imColorTransform(inImage,'ICCProfiles/sRGB.icm','XYZ.ICM');
imgLab=imXYZ2Lab(imgXYZ);
imgLum = imgLab(:,:,1)./100;
imgLumNoise = imnoise(imgLum,'gaussian',0,0.005);

Funktion ohne Link?

Nun zur Wienerfilterung:
Die Funktion wiener2 soll nicht benutzt werden. Deswegen erst mit fspecial Hoch- und Tiefpass bilden...

Code:

h = fspecial('gaussian', 3, 10);
TPImageSpecial = imfilter(imgLumNoise, h);
HPImageSpecial = imgLumNoise - TPImageSpecial;

Funktion ohne Link?

und den lokalen Mittelwert bestimmen.

Code:

I = ones(FilterWidth);
mean = filter2(I,HPImageSpecial)/(FilterWidth*FilterWidth);

Var = filter2(I, HPImageSpecial.^2);
SigmaG = (Var)/(FilterWidth*FilterWidth)-mean.^2;

Funktion ohne Link?

Nun zur Kantendetektion der Wienerfilterung:
Ich habe zur Bestimmung der Kanten die edge-Funktion benutzt, weil ich mit folgender Lösung nicht zufrieden war.

Code:

(SigmaG -SigmaNoise.^2)./SigmaG

Funktion ohne Link?

Gibt es da irgendwelche Verbessungsvorschläge?
Wenn nicht bleibe ich einfach bei meiner jetzigen Lösung.
Im nächsten Schritt habe ich das entrauschte Bild zusammengesetzt.

Code:

denoisedImageSpecial = TPImageSpecial + (edge(imgLumNoise,'sobel',[],'thinning')).*(HPImageSpecial- mean);

Funktion ohne Link?

Im letzten Schitt ich habe das Bild noch zurück in sRGB gewandelt:

Code:

denoisedImage(:,:,1) = denoisedImageSpecial*100;
denoisedImage(:,:,[2 3]) = imgLab(:,:,[2 3]);
denoisedImage=imColorTransform(denoisedImage,'*Lab','ICCProfiles/sRGB.icm');

Funktion ohne Link?

Das wäre soweit meine Lösung zu dem Problem. Vllt kann ja der ein oder andere etwas damit anfangen (oder das Kantendetektionsproblem lösen Very Happy

).

Gruß

knut8


Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:	Du kannst Beiträge in dieses Forum schreiben. Du kannst auf Beiträge in diesem Forum antworten. Du kannst deine Beiträge in diesem Forum nicht bearbeiten. Du kannst deine Beiträge in diesem Forum nicht löschen. Du kannst an Umfragen in diesem Forum nicht mitmachen. Du kannst Dateien in diesem Forum posten Du kannst Dateien in diesem Forum herunterladen

Impressum | Nutzungsbedingungen | Datenschutz | FAQ |

RSS

Hosted by:

Copyright © 2007 - 2024 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.