Как удалить шум камеры в CMOS-камере

Этот шум возникает из-за сенсора камеры (преобразование Байера в RGB). Остался еще шахматный узор.

Также в процесс вносит большой вклад jpg с потерями. Сначала у вас должен быть доступ к необработанным изображениям.

Из этих конкретных изображений я бы сначала попытался использовать фильтры обнаружения краев (горизонтальный и вертикальный Собеля), чтобы создать маску, которая выбирает между некоторым медианным/локальным выравниванием гистограммы для плоских областей и применяет фильтр, уменьшающий шахматную доску, к краям. Дело в том, что, наверное, ни один фильтр не способен справиться как с артефактами звона jpeg, так и с зубчатыми краями. Тогда реальный вопрос: какие еще изображения следует обрабатывать?

Из комментариев: если угловые точки нужно сделать точными, то решение скорее состоит в том, чтобы искать признаки (угловые точки с субпиксельным разрешением) и делать сопоставление одного набора точек с другим набором углов изображений, и искать наилучшая матрица аффинного преобразования, переводящая эти множества друг в друга. Затем с помощью этой матрицы можно выполнить передискретизацию другого изображения.

К счастью, можно оценить векторы движения с субпиксельным разрешением без перебора всех возможных местоположений субпикселей: при вычислении согласованного фильтра получаются локальные максимумы для потенциальных кандидатов на точное совпадение. Но это еще не все. Можно попытаться рассчитать более точную аппроксимацию местоположения пика, изучая выходные данные согласованного фильтра в соседних пикселях. Для точного совпадения выход должен быть симметричным. В противном случае «энергии» согласованного фильтра смещаются в сторону второго лучшего местоположения. (Можно использовать полиномиальную подгонку 2-й степени + поиск максимума.)

Присмотревшись к этим изображениям, я должен согласиться с @Aki Suihkonen. На мой взгляд, основной шум исходит от сжатия jpeg, из-за которого острые края «звенят». Я бы попробовал фильтр типа «de-speckle» на изображениях и посмотрел, имеет ли это значение. Некоторая информация, которая может помочь вам реализовать это, может быть найдена в этом ссылка.

Более быстрым и грязным способом вы применяете один из многих стандартных инструментов, например, учитывая изображения a и b:

(i) просто сгладить изображение фильтром Гаусса, это может уменьшить шумовые различия между изображениями на порядок. Например:

  h=fspecial('gaussian',15,2);
  a=conv2(a,h,'same');
  b=conv2(b,h,'same');

(ii) Уменьшение шума с помощью адаптивной фильтрации

 a = wiener2(a,[5 5]);
 b = wiener2(b,[5 5]);

(iii) Настройка значений интенсивности с помощью выравнивания гистограммы

 a =  histeq(a);
 b =  histeq(b);

(iv) Настройка значений интенсивности в указанном диапазоне

 a = imadjust(a,[0 0.2],[0.5 1]);
 b = imadjust(b,[0 0.2],[0.5 1]);

Если ваши изображения должны быть черно-белыми, но вы сняли их в оттенках серого, разница может быть из-за шума. Вы можете преобразовать изображения в черно-белые, определив пороговое значение, любому пикселю со значением меньше этого порога следует присвоить 0, а всему, что выше этого порога, следует присвоить 1 или любой другой диапазон шкалы серого (возможно, 255). Предположим, что ваше изображение I, чтобы сделать его черно-белым, предполагая, что уровень вашего изображения в оттенках серого составляет от 0 до 255, предположим, что вы выбрали пороговое значение 100:

ind = find(I < 100);
I(ind) = 0;
ind = find(I >= 100);
I(ind) = 255;

Теперь у вас есть черно-белое изображение, сделайте то же самое для другого изображения, и вы должны получить очень небольшую разницу, если камера и объект сместились.