Sinyal ve Gürültü¶
Sayfa Bilgisi
Kategori: Görüntü İşleme Temelleri · Düzey: Beginner · Tahmini okuma: 10 dk
Anahtar kelimeler: signal · noise · shot noise · read noise · thermal noise · pattern noise · noise scale · noise estimation
Kapsam kararı¶
Bu sayfa gürültünün türü, uzamsal ölçeği ve görüntüdeki görünümüyle sınırlıdır. SNR formülü, integration time, stacking kazancı ve sensör dinamik aralığının canonical açıklaması SNR ve Dinamik Aralık sayfasındadır.
Temel kavram¶
Sinyal, yorumlamak istediğimiz fiziksel veya görsel bilgidir. Gürültü, ölçümün belirsizliğini artıran rastlantısal değişimdir. İstenmeyen her yapı gürültü değildir: gradient, amp glow, banding ve dust shadow gibi düzenli bileşenler structured artefact veya pattern olarak ayrı modellenmelidir.
| Bileşen | Kaynak | Görüntüdeki karakter |
|---|---|---|
| Shot noise | Foton gelişinin Poisson değişimi | Sinyal ve gökyüzüyle birlikte artan rastlantısal değişim |
| Read noise | Elektronik okuma zinciri | Her okumanın eklediği belirsizlik |
| Thermal noise | Dark current’ın istatistiksel değişimi | Poz ve sıcaklıkla ilişkili rastlantısal bileşen |
| Pattern noise | Sensöre/okumaya bağlı tekrarlı yapı | Sabit veya yönlü desen |
| Quantization | Sürekli ölçümün sınırlı kodlara çevrilmesi | Uygun olmayan koşulda seviye basamakları |
Rastlantısal ve yapılandırılmış gürültü¶
Rastlantısal noise kareler arasında aynı pikselde aynı değeri tekrarlamaz; uygun entegrasyonla göreli etkisi azalabilir. Yapılandırılmış bileşen aynı sensör koordinatına veya okuma yönüne bağlı kalabilir. Calibration, dithering ve rejection olmadan yalnız daha fazla kare eklemek yapıyı tamamen ortadan kaldırmayabilir.
Noise ölçeği ve uzamsal frekans¶
Fine-grain noise küçük piksel ölçeğinde, mottling orta ölçekte, banding veya walking noise büyük/yönlü ölçekte görülebilir. Bir noise reduction yöntemi hangi ölçeği hedeflediğini bilmeden uygulanırsa yıldız profili, filament veya toz yapısı da noise sanılabilir.
flowchart LR
frames["Kalibre edilmiş kareler"] --> align["Registration"]
align --> integrate["Normalization ve integration"]
random["Rastlantısal noise"] --> integrate
pattern["Pattern bileşeni"] --> calibrate["Calibration ve dithering"]
calibrate --> integrate
integrate --> result["Ortak sinyal güçlenir; noise yapısı değerlendirilir"]Noise estimation ve görünürlük¶
Noise estimation, yıldız ve hedef yapısından mümkün olduğunca arındırılmış temsilî bölgeler gerektirir. Tek background Preview bütün görüntüyü temsil etmeyebilir; gradient, farklı entegrasyon derinliği veya nebula alanı sonucu değiştirir.
Stretch düşük değerleri genişlettiğinde daha önce zor görülen noise görünür olur. Bu, stretch’in yeni noise ürettiği anlamına gelmez; mevcut değişimi görünür aralığa taşır. Aşırı local contrast ise gerçekten noise amplitüdünü ve yapı algısını artırabilir.
TODO Illustration
Eğitim amacı: Rastlantısal fine noise, walking noise ve gerçek filament yapısını ayırmak. Gerekli kaynak: Dither uygulanmış ve uygulanmamış aynı hedef veri seti. Durumlar: Tek subframe, entegrasyon, stretched entegrasyon. İşaretleme: Noise ölçeği, yönlü pattern ve korunması gereken sinyal. Gerçek proje verisi: Evet.
Yaygın yanlış anlamalar¶
- Bütün düzensiz yapıyı random noise saymak.
- Noise reduction’ın kayıp sinyali geri getirdiğini düşünmek.
- Stretch sonrası görünür olan noise’un stretch tarafından üretildiğini varsaymak.
- Tek küçük background Preview’dan bütün görüntü için noise sonucu çıkarmak.
- Pattern noise’u yalnız smoothing ile çözmeye çalışmak.
- Pürüzsüz görüntüyü otomatik olarak yüksek kaliteli kabul etmek.
Karar rehberi¶
| Belirti | Önce sınıflandır | Sonraki bağlantı |
|---|---|---|
| İnce rastlantısal gren | Scale ve SNR | SNR ve Dinamik Aralık |
| Yönlü diagonal iz | Dither/pattern ilişkisi | Veri Kalitesi Stratejileri |
| Geniş aydınlık alan | Gradient mi gerçek sinyal mi? | Gradient Teorisi |
| Stretch sonrası yoğun gren | Stretch ve local contrast etkisi | Stretch Temelleri |
| Noise reduction sonrası plastik yapı | Ölçek seçimi ve aşırı işlem | NoiseXTerminator |
PixInsight ile ilişkisi¶
ImageIntegration rastlantısal ve aykırı örnekleri weighting/rejection bağlamında ele alır. MultiscaleMedianTransform ölçek tabanlı işlem sağlar. NoiseXTerminator plugin davranışını açıklar. Bu process sayfaları noise fiziğinin yerine geçmez.