Шум соль и перец

Шум «соль и перец» (англ. salt-and-pepper noise) — это разновидность импульсного шума, характерная для цифровых изображений и сигналов, при которой отдельные пиксели (или отсчёты) случайным образом принимают либо максимально возможное значение (белый цвет, «соль»), либо минимальное (чёрный цвет, «перец»). В отличие от гауссовского шума, который затрагивает все пиксели с разной степенью интенсивности, шум «соль и перец» проявляется в виде резких, контрастных точек, разбросанных по всей области данных.

Физическая природа и причины возникновения

Шум «соль и перец» возникает в результате ошибок при передаче, хранении или обработке цифровых данных. Основные причины:

• Дефекты сенсора — в камерах и сканерах отдельные светочувствительные элементы (фотодиоды) могут выходить из строя, что приводит к появлению «битых» пикселей, которые всегда выдают белый или чёрный сигнал.
• Ошибки передачи данных — при передаче изображения по каналам связи с помехами (например, радиоканал, старый аналоговый телефонный модем) биты данных могут искажаться, превращаясь в нули или единицы.
• Пыль и царапины — на оптических поверхностях (линзы, матрицы сканеров) частицы пыли или механические повреждения создают локальные участки, не пропускающие свет, что даёт чёрные точки («перец»).
• Аналого-цифровое преобразование — при высоком уровне шума в аналоговой части или при неправильной настройке АЦП могут возникать выбросы, соответствующие краям диапазона.
• Повреждение носителей — царапины на CD/DVD, магнитные дефекты на жёстких дисках или флеш-памяти приводят к тому, что при чтении считывается неверное значение, часто крайнее.

Характеристики

Шум «соль и перец» описывается несколькими параметрами:

• Плотность шума (density) — доля пикселей, подвергшихся искажению, от общего числа пикселей. Обычно выражается в процентах (например, 5% шума означает, что 5% пикселей заменены на белый или чёрный).
• Соотношение «соль» и «перец» — вероятность появления белого пикселя против чёрного. В простейшей модели они равны (0,5), но в реальности могут быть асимметричными (например, сенсор чаще даёт «битые» белые пиксели).
• Распределение — обычно равномерное по площади изображения, без кластеризации. Однако при повреждении носителя может быть локальным (царапина даёт полосу).
• Амплитуда — всегда фиксированная: для 8-битного изображения «соль» — 255, «перец» — 0. Для 16-битных — 65535 и 0 соответственно.

Математическая модель

Пусть исходное изображение \( I(x,y) \) имеет значения в диапазоне \([0, 255]\). Зашумлённое изображение \( J(x,y) \) формируется по правилу:

\[ J(x,y) = \begin{cases} 255, & \text{с вероятностью } p/2 \quad (\text{«соль»}) \\ 0, & \text{с вероятностью } p/2 \quad (\text{«перец»}) \\ I(x,y), & \text{с вероятностью } 1-p \quad (\text{без изменений}) \end{cases} \]

где \( p \) — плотность шума. В общем случае вероятности для «соли» и «перца» могут быть разными: \( p_s \) и \( p_p \), при \( p_s + p_p = p \).

Методы подавления

Удаление шума «соль и перец» — классическая задача обработки изображений. Из-за резкого, нелинейного характера шума стандартные линейные фильтры (например, усредняющий, гауссовский) малоэффективны: они размывают границы объектов и не полностью убирают точки. Наиболее распространены нелинейные методы.

Медианный фильтр

Самый популярный и базовый метод. Для каждого пикселя берётся окрестность (например, 3×3 или 5×5), все значения в ней сортируются, и центральный пиксель заменяется на медиану (среднее по порядку значение). Медианный фильтр отлично удаляет одиночные выбросы, сохраняя резкие перепады яркости (края). Недостаток — при высокой плотности шума (более 30–40%) эффективность падает, и изображение может стать «зернистым».

Адаптивный медианный фильтр

Модификация, при которой размер окна автоматически увеличивается, если в текущем окне слишком много шумовых пикселей. Это позволяет справляться с плотностью до 60–70% без сильного размытия.

Фильтр на основе ранговой статистики

Кроме медианы, используются другие порядковые статистики (например, минимальное, максимальное, среднее арифметическое после отбрасывания крайних значений). Такие фильтры могут быть настроены на конкретное соотношение «соли» и «перца».

Методы на основе машинного обучения

Современные нейросетевые подходы (свёрточные нейронные сети, автоэнкодеры) обучаются на парах «зашумлённое — чистое изображение» и способны восстанавливать изображения с плотностью шума до 80–90%. Однако они требуют большого объёма обучающих данных и вычислительных ресурсов.

Итеративные методы

Например, метод «зашумлённых пикселей» (noisy pixel detection): сначала определяются пиксели, которые с высокой вероятностью являются шумом (по превышению порога разности с соседями), затем они заменяются на среднее или медиану соседних «чистых» пикселей. Процесс повторяется несколько раз.

Применение

Шум «соль и перец» используется в нескольких областях:

• Тестирование алгоритмов обработки изображений — искусственно добавляется в изображения для оценки устойчивости фильтров, сжатия, распознавания.
• Моделирование каналов связи — в телекоммуникационных системах для имитации ошибок передачи (битовые ошибки, пакетные потери).
• Компьютерное зрение — при обучении нейросетей к изображениям добавляют шум для повышения устойчивости (data augmentation).
• Стеганография — в некоторых методах скрытая информация внедряется путём замены пикселей на «соль» или «перец» по определённому ключу.
• Медицинская визуализация — в МРТ, КТ, ультразвуке шум «соль и перец» может возникать из-за аппаратных дефектов или артефактов движения, и его удаление критически важно для диагностики.

Отличие от других видов шума

• Гауссовский шум — затрагивает все пиксели, добавляя случайную величину с нормальным распределением; значения меняются плавно, без резких скачков.
• Импульсный шум — общий класс, к которому относится «соль и перец». Отличие от «случайного импульсного шума» (random impulse noise) в том, что в последнем амплитуда выброса может быть произвольной, а не только 0 или 255.
• Пуассоновский шум (фотонный шум) — связан с квантовой природой света, пропорционален корню из сигнала; проявляется в виде мелких флуктуаций, а не редких точек.
• Спекл-шум (speckle) — характерен для когерентных источников (лазеры, ультразвук); имеет мультипликативную природу и выглядит как «зернистость».

Интересные факты

• Термин «соль и перец» возник из-за визуального сходства зашумлённого изображения с поверхностью, посыпанной крупной солью (белые точки) и молотым чёрным перцем (чёрные точки).
• В фотографии 1970–1980-х годов, при использовании плёночных камер, шум «соль и перец» был редок — он характерен именно для цифровых систем.
• При плотности шума более 50% изображение становится практически неразличимым для человека, но некоторые алгоритмы (например, на основе разреженного представления) способны восстановить его с приемлемым качеством.
• В задачах сжатия изображений (JPEG, PNG) шум «соль и перец» плохо сжимается, так как он создаёт высокочастотные компоненты, которые неэффективно кодируются.

Источники

• Гонсалес Р., Вудс Р. «Цифровая обработка изображений» (3-е издание), 2012.
• Pratt W. K. «Digital Image Processing» (4th edition), 2007.
• Bovik A. C. «Handbook of Image and Video Processing», 2005.
• Стандарт IEEE 1857-2013 «Standard for Advanced Image Coding».
• Лекции по курсу «Обработка изображений» МФТИ, 2020.