کاهش نویزتصویر توسط ویولت

[hasting_m]

سلام.برای این کار میخوام از ویولت استفاده کنم
1/ضرایب ویولت چه چیزی رو نشون میدهند؟که ما طبق اون ضرایب آستانه تعریف میکنیم؟
2/این آستانه یک حدقل هست یا حدکثر؟یعنی ضرایب کمتر از یک مقداری را صفر میکنیم؟؟چرا کمتر؟مگه نشاندهنده ی نویزند که صفر میشند؟
3/برای بازسازی یک بعدی در Matlab آخرین approximate رو با تمام Detailهای سطوح تجزیه قبلی میگیریم.
در حالت دو بعدی مثلا برای تصویر چگونه هست؟همینطوره؟باید مرتبه مرتبه حساب کنیم برای بازسازی؟
یا در ورژن های جدید متلب دستور داره؟

[eehadi]

پاسخ : کاهش نویزتصویر

سلام.
فکر می کنم یک مقدمه راجع به ویولت لازمه:
ویولت مشابه تبدیل فوریه است یعنی اطلاعات فرکانسی سیگنال رو میده، همیشه سیگنال زمانی به تنهایی اطلاعات مفیدی نداره به همین خاطر از اطلاعات فرکانسی سیگنال استفاده میشه. تبدیل فوریه میگه که دامنه (انرژی) سیگنال در هر فرکانس چقدره ولی ویولت علاوه بر این میتونه بگه که هر فرکانسی در چه محدوده زمانی وجود داشته از این نظر حاوی اطلاعات هر دو حوزه زمان و فرکانس هست و اطلاعات بیشتری نسبت به سیگنال زمانی تنها یا سیگنال فوریه تنها داره.
ویولت گسسته به صورت دو فیلتر هست یکی بالاگذر و یکی پایین گذر. با عبور سیگنال از فیلتر پایین گذر، فرکانس های بالا که باعث ایجاد تغییرات سریع هستند حذف میشن و سیگنالی که باقی میمونه یک تقریب از شکل کلی سیگناله به همین خاطر بهش میگن سیگنال تقریب، خروجی فیلتر بالاگذر ویولت هم یک سیگنال با فرکانس های بالاست که جزئیات سیگنال رو نشون میده و بهش سیگنال جزئیات گفته میشه.
اگه سیگنال تقریب رو از فیلترهای بالا و پایین گذر عبور بدیم سیگنالهای جزئیات و تقریب مرحله دوم به دست میاد.
بسته به این که چه کاری میخوایم انجام بدیم و طبیعت سیگنال چطوری هست از یکی (یا چند) تا از این سیگنال های تقریب و جزئیات استفاده میشه.
و اما جواب سوالات:
1- نمونه های ضرایب معادل حدودی زمان(مکان) هستند، مثلاً نمونه های اول معادل زمان(مکان) های ابتدایی هستند ولی نمیشه یک نمونه رو به یک زمان خاص نسبت داد چون تعداد نمونه های هر فیلتر بیشتر از یک هست و فیلتر روی سیگنال حرکت می کنه و مقدار خروجی اش در هر نقطه به نقاط همسایه اش هم بستگی داره. ضمن این که در هر مرحله تبدیل چون طول هر کدام از سیگنالهای تقریب و جزئیات نصف سیگنال اصلی هست باید مقیاس بندی کرد مثلاً میشه گفت نمونه های وسط سیگنال تبدیل(تقریب یا جزئیات) حدوداً معادل وسط سیگنال اصلی است.
هر مرحله تبدیل هم معادل مقیاس(scale) (معکوس فرکانس) هست چون در هر مرحله تبدیل از سیگنال تقریب مرحله قبل به عنوان ورودی تبدیل استفاده میشه پس میشه گفت در مرحله اول تقریب جزئیات فرکانس بالاتر استخراج شدن که طبیعتاً راحت تر قابل مشاهده هستن (جاهایی که تغییرات سریع تر داشتن) و سیگنال جزئیات مرحله بعدی تبدیل جزئیاتی رو در میاره که کمتر واضح هستن.
2- یک روش حذف نویز، صفر کردن قسمت های جزئیات در یکی از سطوح تبدیل و بعد گرفتن عکس تبدیله. دلیل این کار اینه که ماهیت نویز طوریه که در فرکانس های بالا خودش رو نشون میده، نویز روی جزئیات تصویر(یا هر سیگنال دیگه ای) اثر میذاره (اگه روی تقریب اثر میذاشت یعنی در فرکانس پایین بود اون وقت به شدت باعث خراب شدن سیگنال میشد [چون سیگنال باز هم به خاطر ماهیتش بیشتر در فرکانسهای پایین وجود داره] و دیگه نمیشد کاریش کرد).
روش دوم حذف مقادیری از تبدیل هست که مقداری کمتر از یک مقدار آستانه داشته باشن. این کار تا حدودی مشابه روش قبل هست چون این سیگنالهای جزئیات هستن که مقادیر کوچک دارن (با مشاهده تبدیل موجک یک تصویر که سیگنال جزئیات خاکستری پررنگ و سیاه [مقادیر نزدیک صفر در سیگنال تصویر روشنایی کمی دارند] هستند یک مثال برای این ادعاست)، در این روش میشه با بالا و پایین کردن سطح آستانه به صورت سعی و خطا(از طریق مشاهده خروجی) به مناسب ترین نتیجه قابل دستیابی رسید.
3- ورژن های قبلی متلب هم دستور بازسازی دارن. در راهنمای متلب سرچ کن: waverec2

[imported_rozaaaa]

پاسخ : کاهش نویزتصویر

مطلبتون خیلی خوب بود.من که استفاده کردم.من روی یک روش خاص از حدف نویز تصائیر mri کار می کنم که باید از ویولت به عنوان یک حذف نویز کنده اولیه(پیش پردازش) استفاده کنه.برای این کار باید از روشهایی که گفتید استفاده کرد؟
ممنون می شم اگه راجب به چگونگی تقویت لبه های تصویر با استفاده از ویولت هم توضیحاتی بدین.

[hasting_m]

پاسخ : کاهش نویزتصویر

سلام.
3- ورژن های قبلی متلب هم دستور بازسازی دارن. در راهنمای متلب سرچ کن: waverec2

سلام.خیلی ممنون.مطالب زیادی رو خوندم درمورد ویولت اما هیچکدوم اسمی از آستانه نبرده.اگر آستانه هم نباشه که سیگنال هیچ تغییری نمیکنه.
4/این آستانه گیری پس برای کل ضرایب هست؟هم تقریب هم جزییات؟این روشهای آستانه گیری مثل بیز و sureshrink ,...فقط برای اینه که یک عدد رو به ما بدهند؟؟بهترین روش کدومه؟
3/برای سوال 3ام اصلا بدون درنظر گرفتن نرم افزار،سوالم اینه که برای بازسازی چی هارو بایددر بازسازی منظور کنیم؟ بگیریم.کدوم تقریب؟کدوم جزییات؟
5/این آستانه گیری برای آخرین سطحی که تجزیه کردیم،انجام میشه؟
6/مگه اینطور نیست که این نویز تو همه فرکانس ها(همه ضرایب) اثر میذاره و بعد خرابکاریش تو فرکانسهای بالا قابل مشاهده تر هست؟؟
لابلای این مطالبت گفتی:اگه نویز در فرکانس پایین بود اون وقت به شدت باعث خراب شدن سیگنال میشد.اما تواون پست دیگم گفتی چون نویز حالت تصادفی داره در جزئیات که تغییرات زیاد دارن بهتر دیده میشه.یعنی همه جا به یک اندازه هست.
این نویز همه جا به یک اندازه هست؟؟
7/حالا آستانه گیری هم که بشه.بعد هم جزییات حذف میشه و هم نویز.راهی هست که بفهمه این نویزه این مال لبه ها و جزییاته که فقط جزییات حذف بشه؟

[eehadi]

پاسخ : کاهش نویزتصویر

مطلبتون خیلی خوب بود.من که استفاده کردم.من روی یک روش خاص از حدف نویز تصائیر mri کار می کنم که باید از ویولت به عنوان یک حذف نویز کنده اولیه(پیش پردازش) استفاده کنه.برای این کار باید از روشهایی که گفتید استفاده کرد؟
ممنون می شم اگه راجب به چگونگی تقویت لبه های تصویر با استفاده از ویولت هم توضیحاتی بدین.

در مورد MRI اطلاع ندارم. چند تا از مقالات مرتبط رو ببینی متوجه میشی.
در مورد لبه های تصویر هم حدس میزنم که باید برعکس حذف نویز، جزئیات تقویت بشن چون لبه محلی از تصویره که تغییراتش زیاده و در قسمت فرکانس بالا (جزئیات) قرار می گیره.

سلام.خیلی ممنون.مطالب زیادی رو خوندم درمورد ویولت اما هیچکدوم اسمی از آستانه نبرده.اگر آستانه هم نباشه که سیگنال هیچ تغییری نمیکنه.
4/این آستانه گیری پس برای کل ضرایب هست؟هم تقریب هم جزییات؟این روشهای آستانه گیری مثل بیز و sureshrink ,...فقط برای اینه که یک عدد رو به ما بدهند؟؟بهترین روش کدومه؟
3/برای سوال 3ام اصلا بدون درنظر گرفتن نرم افزار،سوالم اینه که برای بازسازی چی هارو بایددر بازسازی منظور کنیم؟ بگیریم.کدوم تقریب؟کدوم جزییات؟
5/این آستانه گیری برای آخرین سطحی که تجزیه کردیم،انجام میشه؟
6/مگه اینطور نیست که این نویز تو همه فرکانس ها(همه ضرایب) اثر میذاره و بعد خرابکاریش تو فرکانسهای بالا قابل مشاهده تر هست؟؟
لابلای این مطالبت گفتی:اگه نویز در فرکانس پایین بود اون وقت به شدت باعث خراب شدن سیگنال میشد.اما تواون پست دیگم گفتی چون نویز حالت تصادفی داره در جزئیات که تغییرات زیاد دارن بهتر دیده میشه.یعنی همه جا به یک اندازه هست.
این نویز همه جا به یک اندازه هست؟؟
7/حالا آستانه گیری هم که بشه.بعد هم جزییات حذف میشه و هم نویز.راهی هست که بفهمه این نویزه این مال لبه ها و جزییاته که فقط [s]جزییات[/s] نویز حذف بشه؟

4- فقط جزئیات. با این روشها آشنا نیستم.
5- برای تمام سیگنالهای جزئیات تمام مراحل، (باز هم امتحان کن ببین اگه فقط جزئیات مرحله آخر رو آستانه گذاری یا حذف کنی چه فرقی می کنه)
6- بستگی به ماهیت نویز داره، معمولاً نویز پهنای باند محدودی داره و فرکانسش هم بالاتر از سیگنال اصلیه، قسمتی که با محدوده فرکانسی سیگنال همپوشانی داره رو نمیشه کاری کرد (جز در حالتی که مدل نویز رو داشته باشیم) ولی قسمتی که خارج از باند فرکانسی سیگنال هست رو میشه حذف کرد.
7- در صورتی که مدل نویز (تابع تبدیل فرکانسی) رو داشته باشیم، با اعمال عکس این تبدیل میشه نویز رو جبران کرد (ربطی به ویولت نداره)، در غیر این صورت از دست دادن قسمتی از جزئیات غیر قابل اجتنابه.

[rozaaaa]

پاسخ : کاهش نویزتصویر

کدهای کاربردی تبدیل ویولت در مطلب رو می زارین لطفا ؟؟؟؟

[eehadi]

پاسخ : کاهش نویزتصویر

کدهای کاربردی تبدیل ویولت در مطلب رو می زارین لطفا ؟؟؟؟

امیدوارم این فایل کمک کنه.

[rozaaaa]

پاسخ : کاهش نویزتصویر

تشکر.مفید بود

[hasting_m]

پاسخ : کاهش نویزتصویر

3/برای بازسازی یک بعدی در Matlab آخرین approximate رو با تمام Detailهای سطوح تجزیه قبلی میگیریم.
در حالت دو بعدی مثلا برای تصویر چگونه هست؟همینطوره؟باید مرتبه مرتبه حساب کنیم برای بازسازی؟
یا در ورژن های جدید متلب دستور داره؟

wavedec2 و waverec2 برای منظور شما قابل استفاده اند
اما داخلشو نفهمیدم

[eehadi]

پاسخ : کاهش نویزتصویر

تشکر.مفید بود

خواهش می کنم. برای تشکر پست جدید نزنید و فقط از دکمه تشکر استفاده کنید.

wavedec2 و waverec2 برای منظور شما قابل استفاده اند
اما داخلشو نفهمیدم

راهنمای متلب توضیح داده. الان جایی هستم که متلب ندارم. اگه جواب نگرفتی بگو یه مثال بذارم.

[hasting_m]

پاسخ : کاهش نویزتصویر

اره برای چند سطح تجزیه رو متوجه نمیشم.نمیدونم چیا رو بنویسم.
waverec2:
WAVEREC2 Multilevel 2-D wavelet reconstruction.
WAVEREC2 performs a multilevel 2-D wavelet reconstruction
using either a specific wavelet ('wname', see WFILTERS) or
specific reconstruction filters (Lo_R and Hi_R).

X = WAVEREC2(C,S,'wname&#039 reconstructs the matrix X
based on the multi-level wavelet decomposition structure
[C,S] (see WAVEDEC2).

For X = WAVEREC2(C,S,Lo_R,Hi_R),
Lo_R is the reconstruction low-pass filter and
Hi_R is the reconstruction high-pass filter.

NOTE: If C and S are obtained from an indexed image analysis
(respectively a truecolor image analysis) then X is an
m-by-n matrice (respectively an m-by-n-by-3 array).
For more information on image formats, see the reference
pages of IMAGE and IMFINFO functions

خب کدوم app?با کدومdetail?? :cry2:
wavedec2:
WAVEDEC2 Multilevel 2-D wavelet decomposition.
[C,S] = WAVEDEC2(X,N,'wname&#039 returns the wavelet
decomposition of the matrix X at level N, using the
wavelet named in string 'wname' (see WFILTERS).
Outputs are the decomposition vector C and the
corresponding bookkeeping matrix S.
N must be a strictly positive integer (see WMAXLEV).

Instead of giving the wavelet name, you can give the
filters.
For [C,S] = WAVEDEC2(X,N,Lo_D,Hi_D),
Lo_D is the decomposition low-pass filter and
Hi_D is the decomposition high-pass filter.

The output wavelet 2-D decomposition structure [C,S]
contains the wavelet decomposition vector C and the
corresponding bookeeping matrix S.
Vector C is organized as:
C = [ A(N) | H(N) | V(N) | D(N) | ...
H(N-1) | V(N-1) | D(N-1) | ... | H(1) | V(1) | D(1) ].
where A, H, V, D, are row vectors such that:
A = approximation coefficients,
H = hori. detail coefficients,
V = vert. detail coefficients,
D = diag. detail coefficients,
each vector is the vector column-wise storage of a matrix.
Matrix S is such that:
S(1, = size of app. coef.(N)
S(i, = size of det. coef.(N-i+2) for i = 2,...,N+1
and S(N+2, = size(X).

NOTE: When X represents an indexed image, then X as well
as the arrays CA, CH, CV, CD are m-by-n matrices.
When X represents a truecolor image, then they become
m-by-n-by-3 arrays. These arrays consist of three m-by-n matrices
(representing the red, green, and blue color planes) concatenated
along the third dimension.
So the sizes of the vector C and the matrix S depend on the
type of analyzed image.
For more information on image formats, see the reference pages of
IMAGE and IMFINFO functions. :angry:

[eehadi]

پاسخ : کاهش نویزتصویر

این واضحه دیگه:

Vector C is organized as:
C = [ A(N) | H(N) | V(N) | D(N) | ...
H(N-1) | V(N-1) | D(N-1) | ... | H(1) | V(1) | D(1) ].
where A, H, V, D, are row vectors such that:
A = approximation coefficients,
H = hori. detail coefficients,
V = vert. detail coefficients,
D = diag. detail coefficients,
each vector is the vector column-wise storage of a matrix.
Matrix S is such that:
S(1, = size of app. coef.(N)
S(i, = size of det. coef.(N-i+2) for i = 2,...,N+1
and S(N+2, = size(X).

C مقادیر تبدیل/عکس تبدیل هستند که همه به ترتیبی که گفته کنار هم قرار گرفتن و S هم سایز هر قسمت رو نشون میده.

[hasting_m]

پاسخ : کاهش نویزتصویر

7- در صورتی که مدل نویز (تابع تبدیل فرکانسی) رو داشته باشیم، با اعمال عکس این تبدیل میشه نویز رو جبران کرد (ربطی به ویولت نداره)، در غیر این صورت از دست دادن قسمتی از جزئیات غیر قابل اجتنابه.

منظور از مدل نویز همون تابع چگالی احتمالش هست؟
+چجوری میشه نویز رو به تصویر اضافه کرد؟دستوری داره؟

[eehadi]

پاسخ : کاهش نویزتصویر

چگالی احتمال یا طیف فرکانسی، فصل 5 کتاب گونزالز
دستور imnoise

[hasting_m]

پاسخ : کاهش نویزتصویر

سلام.استاده گفت آستانه گیری سخت(hard)رو فعلا یاد بگیر.آخه بعد باید این ها رو به فازی هم ربط بدم.یعنی موجک با تابع تعلق فازی.
ولی من همین اولش موندم.این آستانه گیری فقط با سعی و خطا بدست میاد؟
بهم گفت ببین که اگرکدام ضرایب و کدام سطح رو صفر کنی نتیجه بهتری میگیری :eek:و پاسخ اینکارو هم درخوندن مقالات میدونست.اما من که چند تا خودنم چیزی عایدم نشد.آخه به نوع تصاویر هم بستگی داره که مثلا تصاویر پزشکی باشه که توش نویز در فرکانسهای بالا دیده میشه یا...
حتی گفت ببین بیشتر از یک مقداری باشند رو صفر کنی یا کمتر oo:حتی اسم کلیات رو هم برد در حالیکه کلیات که نباید صفر بشه :angry:
الان من نمیدونم باید چکار کنم.کمک :cry: