Restauração de Imagens: Recuperando a informação perdida
Primeiramente, a restauração de imagens é um processo objetivo e modelado. Diferentemente do realce, ela usa conhecimento prévio da degradação. Ruídos podem surgir durante a aquisição ou transmissão da imagem. Assim, o objetivo da restauração é recuperar a imagem original. Um modelo matemático descreve como a degradação ocorreu. Por exemplo, pode ser um desfoque ou ruído aditivo. Com este modelo, aplicamos o processo inverso. Consequentemente, a imagem é restaurada com base em critérios quantitativos. Portanto, este capítulo foca em técnicas lineares de restauração.
filtros espaciais para redução de ruído (mean filters)
Em primeiro lugar, filtros de média são uma solução simples e eficaz. O filtro da média aritmética suaviza a imagem. Ele substitui cada pixel pela média de sua vizinhança. Dessa forma, este método reduz ruídos gaussianos de forma eficiente. Contudo, ele também borra as bordas dos objetos. Por outro lado, o filtro da média geométrica preserva mais detalhes. Além disso, o filtro da média harmônica funciona bem contra ruído sal. Já o filtro contra-harmônico ataca ruído sal e pimenta. Um valor positivo de Q elimina ruído pimenta. Em contrapartida, um valor negativo de Q elimina ruído sal. Portanto, a escolha do filtro depende do tipo de ruído.
filtros de mediana e ordem estatística (median filters)
Em primeiro lugar, o filtro de mediana é um filtro não-linear muito popular. Ele substitui o pixel central pelo valor mediano da vizinhança. Por causa disso, este método é excelente contra ruído impulsivo (sal e pimenta). Diferentemente da média, a mediana preserva bordas nítidas. Por exemplo, uma imagem binária com ruído branco é limpa eficazmente. Além disso, o filtro de máximo e o filtro de mínimo são outras opções. O filtro de máximo dilata regiões claras e remove ruído preto. Por outro lado, o filtro de mínimo escurece regiões claras e remove ruído branco. O filtro ponto médio (midpoint) combina máximo e mínimo. Consequentemente, ele é útil para ruídos aleatórios como o gaussiano.
filtragem adaptativa e o filtro de wiener
Primeiramente, filtros adaptativos ajustam seu comportamento localmente. Eles utilizam estatísticas como média e variância da vizinhança. Por exemplo, o filtro adaptativo de redução de ruído preserva bordas. Em regiões de alta variância (bordas), ele altera pouco o pixel. Em contrapartida, em regiões uniformes, ele aplica suavização intensa. O filtro de Wiener é uma abordagem ótima no domínio da frequência. Ele minimiza o erro quadrático médio entre a imagem original e a restaurada. Portanto, o conhecimento da potência do ruído e da imagem é necessário. Quando estas informações não estão disponíveis, usa-se uma aproximação com constante K. Dessa forma, este filtro é superior à filtragem inversa direta.