Está en la página 1de 5

Eliminaci on de Ruido en Im agenes Utilizando la DCT: Un Simple y Efectivo Algoritmo de Eliminaci on de Ruido en Im agenes.

Guoshen Yu, Guillermo Sapiro. Traducci on: Ricardo Coronado Leija Octubre 2011

1.

Visi on General

Las im agenes digitales son frecuentemente contaminadas con ruido durante la adquisici on. La eliminaci on de ruido en im agenes tiene como objetivo atenuar el ruido, mientras se mantiene el contenido de la imagen. El tema ha sido estudiado intensamente durante las u ltimas dos d ecadas y numerosos algoritmos han sido propuestos y llevados a cabo exitosamente. Este trabajo presenta un algoritmo de eliminaci on de ruido en im agenes, podr a decirse que es m as simple que todos sus contrapartes, pero es sorprendentemente efectivo. El algoritmo explota la correlaci on de los p xeles de la imagen en la dimensi on espacial, as como en la dimensi on de color. Los canales de color de la imagen son decorrelaccionados primero con una transformaci on ortogonal de 3 puntos. La eliminaci on de ruido es llevada a cabo por separado en cada canal decorrelacionado a trav es de un umbralizado en la transformada discreta de coseno (DCT) local: un canal se descompone en parches locales corredizos, a los cuales se les elimina el ruido por medio de un umbralizado en el dominio de la DCT y despu es se promedian y se agregan para reconstruir el canal. La imagen sin ruido se obtiene de los canales decorrelaccionados sin ruido invirtiendo la transformaci on ortogonal de 3 puntos. Este algoritmo simple, robusto y r apido deja los resultados de la eliminaci on de ruido en im agenes en el mismo estadio que el estado del arte. Debido a su sencillez y su excelente rendimiento, esta contribuci on puede ser considerada adem as como un punto de referencia para la comparaci on y un limite inferior para los resultados de las t ecnicas desarrolladas recientemente.

2.
2.1.

Algoritmo
Estimaci on del umbral y representaci on dispersa de la se nal.

Una se nal f RN es contaminada por un ruido w RN que es frecuentemente modelado como un proceso gaussiano con media creo e independiente de f y =f +w (1)

donde y RN es la se nal ruidosa observada. La eliminaci on de ruido de la se nal tiene como objetivo estimar f de y . Sea B = {}1nN una base ortonormal, cuyos vectores C N satisfacen m , n = 1 0 si m = 0 de otro modo (2)

Un estimador de umbralizado proyecta la se nal con ruido a las bases y reconstruye la se nal sin ruido con los coecientes transformados mas grandes que el umbral T:
N

f=
n=1

T ( y, n )n

(3)

donde T (x) = es un operador de umbralizado. El error cuadr atico medio (MSE) de la estimaci on umbralizada puede ser escrita como: E [||f f ||2 ] =
n:| y,n |T

x 0

si |x| > 0 de otro modo

(4)

| y, n |2 +
n:| y,n |>T

2 n

(5)

donde 2 = E [| w, n |2 ]. El primero y el segundo termino son respectivamente la media y la varianza de la estimaci on. Donde el ruido es blanco gaussiano de varianza 2 , de esto sigue directamente que E [||f f ||2 ] =
n:| y,n |T

| y, n |2 + 2 | {n : | y, n | > T } |

(6)

donde | {} | denota la cardinalidad del conjunto {}. Donoho y Jonestone on han mostrado que, con un umbral igual a 2loge N , el MSE de la estimaci umbralizada es cerca a aquella de un proyector oraculo.

Una base ortonormal {}1nN da una representaci on dispersa de la se nal f si la energia de la se nal despu es del cambio de base esta concentrado en unos pocos de los coecientes transformados, mientras el resto de los coecientes son cero, i.e. | {n : | f, n | = 0} | << N . El umbralizado en una representaci on dispersa reduce la varianza de la estimaci on sin incrementar la media, resultando por lo tanto en un peque no valor del MSE y en una mejor estimaci on sin ruido.

2.2.

Eliminaci on de ruido en parches locales con la DCT

Es bien conocido que las bases de la transformada discreta de coseno (DCT) local, aplicadas en el est andar de compresi on mas popular JPEG, dan una representaci on dispersa de parches de la imagen locales. La siguiente gura ilustra las bases de una DCT de 8x8

Figura 1: Funciones base de la DCT.

El algoritmo de eliminaci on de ruido propuesto descompone la imagen en parches locales de tama no N = 16 16, y elimina el ruido de los parches con un umbralizado estimado en el dominio de la DCT. La ventana de 16 16 provocan, en promedio, los mejores resultados de eliminaci on de ruido. Mientras esto da un rendimiento similar con un tama no de ventana mas peque no cuando el nivel de ruido es bajo ( < 30), cuando el nivel de ruido es muy alto, este supera signicativamente a las ventanas peque nas, con respecto a un tama no de ventana de 8 8 la ganancia es en promedio de 0.5 a 2 dB cuando va de 50 a 100. Una ventana de tama no mayor a 16 16 no proporciona una mejora adicional signicativa. Ha sido mostrado que la introducci on de invarianza bajo traslaci on mejora considerablemente la estimaci on umbralizada en una base ortonormal. Siguiendo una practica com un, la invarianza bajo traslaci on en la eliminaci on de ruido 3

en la DCT es implementada descomponiendo la imagen en parches corredizos traslapados, calculando la DCT sin ruido en cada zona, y entonces agregando parches sin ruido a la imagen promediando los p xeles traslapados. La invarianza bajo traslaci on en la eliminaci on de ruido usando la DCT mejora signicativamente el rendimiento, t picamente de cerca de 2 a 5 dB y remueve los artefactos, on con los a un costo de N N veces el calculo con respecto a la estimaci parches no traslapados.

2.3.

Decorrelaci on en el Color

Los tres canales de color de una imagen a color est an tipicamente altamente correlacionados. Decorrelacionar los canales de color antes del umbralizado mejora considerablemente la estimaci on sin ruido. Para entender mejor esto, tomaremos un punto de vista de una representaci on dispersa de una se nal y veremos un ejemplo extremo cuando los tres canales de la imagen son id enticos. Decorrelacionar los tres canales en cada p xel deben producir una representaci on dispersa de la se nal con un coeciente diferente de cero de cada tres. Una estimaci on umbralizada en consecuencia reduce la varianza del ruido a un tercio, que es equivalente a una mejora en el PSNR tan alta como 10log10 (3) 4,7 dB ordenes de magnitud mas grande que alguna ganancia que la mayor a de los algoritmos de eliminaci on de ruido dif cilmente logran en un simple canal de la imagen. Una base ortonormal
1 3 1 3 1 3

1 2

0
1 2

1 6 2 6 1 6

(7)

es usada para la decorrelaci on del color. (Notar que es una base DCT de tres puntos). A cada canal de color decorrelacionado se le elimina el ruido separadamente por medio de el algoritmo de eliminaci on de ruido en la DCT descrito arriba. Comparando con transformaciones est andares de color tales como una de RGB a YUV, la descomposici on ortonormal de color mejora ligeramente el rendimiento de la eliminaci on del ruido gracias a esa ortogonalidad. La decorrelaci on de color tipicamente lleva a una mejora en el PSNR de 1 a 3 dB.

2.4.

Complejidad Computacional

La complejidad computacional del algoritmo de eliminaci on de ruido en la DCT descrito arriba es dominado por esa de la transformaci on a la DCT de los parches. Una transformaci on a la DCT de una se nal unidimensional de tama no N puede ser implementada con una complejidad O(N logN ). Una transformaci on a la DCT bidimensional de un parche de la imagen de tama no N N puede

ser implementada en un modo separable con una complejidad de O(N log N ). Una imagen de tama no S C , donde S es el n umero de pixeles en cada canal de color y C, t picamente igual 3, es el numero de canales de color, conteniendo S C parches (ligeramente menos en practica debido al efecto de bordes). La complejidad es entonces O(SCN log N ). La DCT sobre diferentes parches puede ser implementada en paralelo, que debe signicativamente reducir el tiempo de computaci on.

3.

Implementaci on
El pseudoc odigo es el siguiente:

Entrada: Imagen con Ruido Desviaci on est andar de ruido blanco gaussiano: sigma Salida: Imagen sin Ruido Algoritmo: 1. Si la imagen es de color, entonces decorrelacionar los canales de color de la imagen con ruido. 2. Descomponer cada canal de la imagen en parches deslizantes. 3. Para cada parche de la imagen { - Calcular la transformada 2D-DCT de el parche. - Umbralizar los coeficientes en la DCT, con un umbral igual a 3*sigma. - Calcular la transformaci on inversa de la 2D-DCT del parche } 4. Promediar y agregar los parches para reconstruir cada canal sin ruido. 5. Si la imagen es de color, entonces revertir la decorrelaci on de color para obtener la imagen sin ruido a partir de los canales sin ruido. 6. De otro modo el canal sin ruido da la imagen in ruido en niveles de gris.

4.

Resultados
5