Was ist Bildrauschunterdrückung und welche Methoden gibt es?

Rauschen ist ein unerwünschtes oder zufälliges Signal, das die ursprünglichen Audio-, Video- oder Bilddaten stört und verzerrt. Wenn ein Bild visuelles Rauschen enthält, wie z. B. Schwankungen der Helligkeit oder der Farbinformationen aufgrund von Sensorfehlfunktionen, schwierigen Lichtverhältnissen oder Signalverschlechterungen bei der Datenübertragung über große Entfernungen, leidet die Bildqualität der Ausgabe ebenfalls unter Informationsverlust. Dieser Datenverlust kann kritische Details verschleiern, Messungen beeinträchtigen oder sogar die Leistung des nachgelagerten KI-Modells beeinträchtigen.

Daher ist es wichtig, Rauschen aus dem Bild zu entfernen, um seine Details zu erhalten und eine hohe Qualität zu gewährleisten. Daher ist die Bildrauschunterdrückung ein zentraler Schritt in der RAW-Bildverarbeitung, der dazu beiträgt, Schärfe, Farbtreue und allgemeine Klarheit zu erhalten.

Dieser Blog untersucht, was Bildrauschunterdrückung ist, befasst sich mit ihren verschiedenen Arten und bietet einen umfassenden Überblick über klassische und zeitgenössische Entrauschungsmethoden, um klare, rauschfreie Bilder für eine genaue nachgelagerte Verarbeitung in KI-eingebetteten Anwendungen zu erzeugen.

Lassen Sie uns zunächst das Konzept der Bildrauschunterdrückung und die Quellen verstehen, aus denen es stammt.

Was ist Image-Entrauschung?

Die Bildrauschunterdrückung bezieht sich auf den Rechenprozess, der Rauschen – zufällige Schwankungen der Pixelintensität – aus digitalen Bildern eliminiert. Lärm kann aus verschiedenen Quellen stammen:

• Einschränkungen des Sensors (z. B. schlechte Lichtverhältnisse, kleiner Pixelabstand)
• Analog-Digital-Wandlungsprozess
• Übertragungsfehler oder Lichtverhältnisse in der Umgebung

Da das Rauschen aus verschiedenen Quellen stammt, ist es wichtig, gängige Rauscharten zu identifizieren, um das Rauschen aus dem Bild zu entfernen oder zu reduzieren.

Bevor wir uns mit den Rauschunterdrückungsmethoden vertraut machen, sehen wir uns die gebräuchlichsten Rauscharten im Bild an.

Arten von Rauschen in Bildern

• Gaußsches Rauschen – Folgt einer Normalverteilung. Der Pixelwert wird durch einen Zufallswert geändert, der aus einer Gaußschen Verteilung gezogen wird. Es wird oft durch Sensorelektronik verursacht und wird als additives weißes Gaußsches Rauschen (AWGN) modelliert.
• Salt-and-Pepper-Rauschen – Erscheint als zufällige Schwarz-Weiß-Pixel, in der Regel aufgrund von Bitfehlern, fehlerhaften Speicherplätzen oder Übertragungsfehlern.
• Poisson-Rauschen – Poisson-Rauschen, auch bekannt als Schrotrauschen, entsteht durch die zufällige Natur der Photonendetektion in Umgebungen mit wenig Licht. Sie hängt vom Signal ab und folgt einer Poisson-Verteilung.
• Speckle-Rauschen – Häufig in der kohärenten Bildgebung (z. B. medizinischer Ultraschall), gekennzeichnet durch multiplikative Kornmuster.

Jede Rauschart erfordert geeignete Entrauschungsansätze, um optimale Ergebnisse zu erzielen. Schauen wir uns die Entwicklung der Rauschunterdrückungsmethoden in Kameras zur Entfernung von Bildrauschen an, die sowohl einfache als auch komplizierte Formen umfassen.

Entwicklung von Entrauschungsmethoden

Entrauschungsmethoden wurden in den letzten Jahrzehnten eingeführt, aber sie haben mit der Entwicklung der fortschrittlichen Technologie an Leistung gewonnen.

Sehen wir uns im Folgenden die Entwicklung der Rauschunterdrückungsmethoden an.

Abbildung 1: Entwicklung der Rauschunterdrückungsmethoden

Im folgenden Abschnitt konzentrieren wir uns auf die einzelnen Entrauschungsmethoden, um die spezifischen Szenarien zu verstehen, in denen Entrauschungsmethoden, von einfachen bis hin zu fortgeschrittenen Technologien, in der Bildverarbeitung angewendet werden.

1. Einfache räumliche Filter

Diese einfache Filtermethode manipuliert das Bild direkt, indem sie Pixel in Abhängigkeit von den benachbarten Pixeln filtert. Im Folgenden sind einige der verschiedenen Arten von räumlichen Filtern aufgeführt.

• Mittelwertfilter (Filter für Mittelwertbildung): Ersetzt jedes Pixel durch den Durchschnitt seiner Nachbarn, wodurch sowohl Rauschen als auch Details geglättet werden.
• Gaußscher Filter: Verwendet einen gewichteten Durchschnitt basierend auf der räumlichen Entfernung, der bei der Beibehaltung der Struktur besser ist als der Mittelwertfilter.​
• Bilateraler Filter: Berücksichtigt die Ähnlichkeit von räumlicher Distanz und Intensität – gut bei der Kantenerhaltung.
• Medianfilter (Salz- und Pfefferrauschen): Ein Medianfilter entfernt Salz- und Pfefferrauschen, indem er den Wert jedes Pixels durch den Median der benachbarten Pixel ersetzt.

Abbildung 2: Einfache räumliche Filter

Der Medianfilter funktioniert möglicherweise nicht gut bei weit verbreitetem Gaußschem Rauschen, aber er ist effektiv für Salz- und Pfefferrauschen.

Abbildung 2: Salz- und Pfeffer-verrauschtes Bild (rechts) und entrauschtes Bild mit Medianfilter

Räumliche Filter sind lokal. Sie können die Kanten verwischen und sind weniger effektiv gegen Rauschen, das global über das Bild verteilt ist.

2. Nicht-lokale Mittel

Im Gegensatz zu lokalen Filtern sucht die Filtermethode “Nicht lokale Mittelwerte” nach ähnlichen Patches im gesamten Bild-/Suchfenster und nicht im lokalen Bereich, um das entrauschte Pixel besser einschätzen zu können.

Dies eignet sich gut für Texturen und feine Strukturen und ist besser geeignet, Kanten zu erhalten als Gaußsche oder bilaterale Filterung.​

Selbst der Non-Local Means-Algorithmus hat Einschränkungen bei der Verarbeitung großer Bilder, da die Suche nach ähnlichen Patches über das gesamte Fenster hinweg zeitaufwändig sein kann. Daher könnte die Erforschung alternativer Methoden, die speziell für die Verarbeitung großer Bilder entwickelt wurden, zu effizienteren Ergebnissen führen.

Abbildung 2: Entrauschtes Bild mit nicht-lokalen Mittelwerten

3. Transform-Based​

Die transformationsbasierte Methode konvertiert das Bild in den Frequenzbereich, in dem Rauschen und wichtige Details auf natürliche Weise getrennt werden, anstatt Pixel direkt zu filtern.

Die beiden wichtigsten Transformationsmethoden werden im Folgenden erläutert

• Wavelet-Transformations-Rauschunterdrückung​ ​

Bei diesem Ansatz wird das Bild in mehrere Frequenzkomponenten in hohe, mittlere und niedrige Frequenzen unterteilt, um es weiter zu analysieren oder zu verarbeiten. Hochfrequente Komponenten enthalten hauptsächlich Rauschen, während niederfrequente Komponenten wichtige Bildstrukturen wie Kanten und Texturen enthalten. Um das Rauschen des Bildes zu verringern, wird ein Schwellenwert angewendet, um das hochfrequente Rauschen zu entfernen und so den nützlichen Inhalt des Bildes zu erhalten.

• Diskrete Kosinustransformation (DCT)​

Die DCT ähnelt der Fourier-Transformation, ist jedoch speziell für die Bildkomprimierung und Rauschunterdrückung optimiert. Es funktioniert, indem es das Bild als Summe von Kosinuswellen darstellt. In Bilddaten konzentriert sich das Rauschen tendenziell auf die hochfrequenten Kosinuskoeffizienten, sodass diese schwächeren Koeffizienten entfernt werden können, um das Rauschen zu reduzieren.

Die Wavelet-Rauschunterdrückung führt dank ihrer lokalisierten Verarbeitung auf mehreren Skalen im Allgemeinen zu weniger Artefakten als die DCT. DCT ist zwar recheneffizienter, aber anfälliger für Blockierungsartefakte, insbesondere bei starker Rauschunterdrückung. Beide Methoden können zu Artefakten führen, wenn die Rauschunterdrückung zu aggressiv ist.

4. BM3D​

Die BM3D-Methode ist eine Kurzform von Block – Matching und 3D-Filterung. Diese Rauschunterdrückungsmethode funktioniert nach dem Prinzip, ähnliche Patches im Bild zu finden, ähnlich wie der Algorithmus der nicht-lokalen Mittelwerte. Diese ähnlichen 2D-Patches werden zu einem 3D-Block gestapelt. Eine Transformation, wie z. B. die Wavelet-Transformation oder die diskrete Kosinustransformation (DCT), wird dann auf diese gesamte 3D-Struktur angewendet. Innerhalb dieses Transformationsbereichs wird eine kollaborative Filterung durchgeführt, bei der Entrauschungsmethoden wie Thresholding oder Wiener Filterung zum Einsatz kommen, um das Rauschen zu reduzieren. Schließlich werden die verarbeiteten Patches wieder an ihre ursprünglichen Positionen im Bild aggregiert, wobei überlappende Bereiche in der Regel gemittelt werden, um die endgültige entrauschte Ausgabe zu erzeugen.

BM3D – Entrauschtes Bild

Obwohl die BM3D-Rauschunterdrückungsmethode gut für Gaußsches Rauschen funktioniert, hat sie Probleme mit strukturiertem Rauschen.

Vorteile des Einsatzes der BM3D-Technologie

• Verbesserte Rauschunterdrückung: Es reduziert das Rauschen effizienter, indem ganze 3D-Gruppen ähnlicher Patches entrauscht werden, nicht nur einzelne.​
• Informationserhaltung: Feine Details werden besser beibehalten, indem im Transformationsraum gefiltert wird, anstatt nur gewichtete Durchschnitte zu verwenden.​

5. Rauschunterdrückung mittels Rangreduktion, Rauschunterdrückung basierend auf dünnbesetzter Darstellung und Hybridmethoden

Modelle mit niedrigem Rang, dünnbesetzte Modelle und Hybridmodelle gehören zu den fortgeschrittenen Techniken zur Bildrauschunterdrückung. Jede Kategorie umfasst eine Vielzahl von Entrauschungsmethoden. Im folgenden Abschnitt werden wir gängige Methoden aus jeder Kategorie näher betrachten.

Rauschunterdrückung mit niedrigem Rang

Dieser Ansatz geht davon aus, dass saubere Bilder starke interne Strukturen aufweisen und durch Matrizen mit niedrigem Rang dargestellt werden können, während Rauschen als spärliche, hochrangige Ausreißer erscheint. Techniken wie die Robust Principal Component Analysis (RPCA), eine der Low-Rank-Entrauschungsmethoden, trennen strukturierte Bildinhalte vom Rauschen und eignen sich gut für sich wiederholende Texturen und die Modellierung von Hintergründen. Sie können jedoch rechenintensiv sein.

Darstellungsbasierte Rauschunterdrückung mit geringer Dichte

Bei dieser Methode wird davon ausgegangen, dass Bild-Patches über ein gelerntes Wörterbuch nur spärlich dargestellt sind. Da das Rauschen mit dieser Grundlage nicht vereinbar ist, kann es leicht getrennt werden. Methoden wie die Weighted Nuclear Norm Minimization (WNNM), eine der auf geringer Darstellungen basierenden Entrauschungsmethoden, gruppieren ähnliche Patches und erzwingen innerhalb dieser Constraints mit niedrigem Rang, was eine starke Detailerhaltung bietet, aber eine sorgfältige Patch-Abstimmung erfordert.

Hybride Ansätze

Moderne Entrauschungsverfahren kombinieren Modellierung mit niedrigem Rang, spärliche Kodierung und transformationsbasierte Filterung. Techniken wie WNNM und Deep Plug-and-Play-Prioris integrieren klassische und erlernte Komponenten für eine robustere Leistung bei verschiedenen Rauschtypen. Diese Methoden bieten eine hohe Restaurierungsqualität, erfordern aber oft mehr Rechenressourcen und datengesteuerte Anpassungen.

e-con Systems: Ein Pionier im Bereich der eingebetteten Bildverarbeitung

Seit 2003 ist e-con Systems führend in der Entwicklung, Entwicklung und Herstellung modernster Embedded-Vision-Kameras. Mit unserem Know-how im Bereich Kamera wissen wir, welche entscheidende Rolle die Bildrauschunterdrückung bei der Gewährleistung einer hochpräzisen Bildausgabe spielt – insbesondere bei Anwendungen, bei denen Beleuchtung, Bewegung oder Umweltfaktoren zu erheblichem Rauschen führen.

Unsere Kameralösungen sind mit optimierten Rauschunterdrückungsalgorithmen ausgestattet, die selbst unter schwierigsten Bedingungen eine hervorragende Bildqualität liefern.

Um unser gesamtes Sortiment an Kameras zu entdecken, die mit fortschrittlichen Bildgebungstechnologien ausgestattet sind, besuchen Sie unsere Kameraauswahlseite.

Wenn Sie eine kompetente Beratung bei der Auswahl der richtigen Kameralösung wünschen, wenden Sie sich an uns unter camerasolutions@e-consystems.com.