การกำจัดสัญญาณรบกวนแบบคาบในภาพดิจิทัลโดยใช้การปรับปรุงตัวกรองน็อทซ์
Article Sidebar
Main Article Content
บทคัดย่อ
การกำจัดสัญญาณรบกวนแบบคาบในภาพดิจิทัลเป็นกระบวนการสำคัญที่ส่งผลต่อคุณภาพของภาพ งานวิจัยนี้นำเสนอการใช้ตัวกรองน็อทซ์ (Notch Filter) ที่ได้รับการปรับปรุงร่วมกับการกรองความถี่สูงผ่าน (High Pass Filtering) ในรูปทรงเรขาคณิต ได้แก่ รูปวงกลม รูปสามเหลี่ยม รูปสี่เหลี่ยม รูปห้าเหลี่ยม และรูปดาวสี่แฉก เพื่อเพิ่มประสิทธิภาพในการกำจัดสัญญาณรบกวนแบบคาบ โดยใช้ภาพมาตรฐาน Lena.tif, Baboon.tif และ Jet.tiff ที่มีสัญญาณรบกวนแนวทแยงขวาในการทดสอบประสิทธิภาพ สำหรับการประเมินผลจะใช้ตัวชี้วัด 2 ตัว ได้แก่ ค่าความผิดพลาดกำลังสองเฉลี่ย (Mean Squared Error: MSE) และอัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุด (Peak Signal-to-Noise Ratio: PSNR) ผลการทดสอบสำหรับภาพ Lena.tif แสดงว่ารูปห้าเหลี่ยมและดาวสี่แฉกสามารถเพิ่มค่า PSNR ได้สูงกว่าตัวกรองน็อทซ์แบบดั้งเดิมถึง 5.12 และ 5.11 dB ตามลำดับ ส่วนวงกลม สี่เหลี่ยม และสามเหลี่ยมก็เพิ่มค่า PSNR ประมาณ 4.68-4.88 dB สำหรับภาพ Baboon.tif ตัวกรองน็อทซ์แบบดั้งเดิมยังให้ผลดีที่สุด การใช้รูปทรงเรขาคณิตทุกรูปกลับทำให้ค่า PSNR ลดลง 0.94-1.39 dB แสดงว่าเนื้อหาและสัญญาณรบกวนของภาพนี้ไม่สอดคล้องกับรูปทรงเรขาคณิตเหล่านี้ ส่วนภาพ Jet.tiff รูปห้าเหลี่ยมสามารถเพิ่ม PSNR มากกว่า 5 dB เมื่อเทียบกับตัวกรองน็อทซ์เดิม งานวิจัยนี้ชี้ให้เห็นแนวทางใหม่ในการออกแบบตัวกรองในโดเมนความถี่ เพื่อเพิ่มประสิทธิภาพการลดสัญญาณรบกวนแบบคาบและรักษาคุณภาพของภาพดิจิทัลได้อย่างมีนัยสำคัญ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
- เนื้อหาและข้อมูลในบทความที่ตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง กองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
- บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศถือเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ก่อนเท่านั้น
เอกสารอ้างอิง
R. C. Gonzalez and R. E. Woods, Digital Image Processing, 4th ed. NJ, USA: Pearson, 2018. [Online]. Available: https://www.cl72.org/090imagePLib/books/Gonzales,Woods-Digital.Image.Processing.4th.Edition.pdf
A. K. Jain, Fundamentals of Digital Image Processing, NJ, USA: Prentice Hall, 1989. [Online]. Available: http://ultra.sdk.free.fr/docs/DxO/Fundamentals%20of%20Digital%20Image%20Processing.pdf
W. K. Pratt, Digital Image Processing: PIKS Scientific Inside, 4th ed. NJ, USA: Wiley-Interscience, 2007. [Online]. Available: https://pdfcoffee.com/digital-image-processing-4th-edition-william-k-pratt-5-pdf-free.html
G. A. Al-Hudhud and M. Turner, “Digital removal of power frequency artifacts using a fourier-space median filter,” IEEE Signal Processing Letters, vol. 12, no. 8, pp. 573–576, Aug. 2005, doi: 10.1109/LSP.2005.851257.
I. Aizenberg and C. Butakoff, “Frequency domain median-like filter for periodic and quasi-periodic noise removal,” in Proc. SPIE 4667, Image Processing: Algorithms and Systems, San Jose, CA, USA, 2002, doi: 10.1117/12.467980.
I. Aizenberg and C. Butakoff, “A windowed Gaussian notch filter for quasi-periodic noise removal,” Image and Vision Computing, vol. 26, no. 10, pp. 1347–1353, Oct. 2008, doi: 10.1016/j.imavis.2007.08.011.
P. Moallem and M. Behnampour, “Adaptive optimum notch filter for periodic noise reduction in digital images,” Amirkabir International Journal of Electrical and Electronics Engineering, vol. 42, no. 1, pp. 1–9, Apr. 2010. [Online]. Available: https://eej.aut.ac.ir/article_94_befd8a642325852c3a0d41ece10b3feb.pdf
J. Varghese, S. Subhash, K. Subramaniam, and K. P. Sridhar, “Adaptive Gaussian notch filter for removing periodic noise from digital images,” IET Image Processing, vol. 14, no. 8, pp. 1529–1538, May 2020, doi: 10.1049/iet-ipr.2018.5707.
Z. Fu, H. Zhang, J. Zhao, N. Li, and F. Zheng, “A modified 2-D notch filter based on image segmentation for RFI mitigation in synthetic aperture radar,” Remote Sensing, vol. 15, no. 3, 2023, Art. no. 846, doi: 10.3390/rs15030846.
R. Praveena, S. Mary Cynthia, S. Jacily Jemila, and T. R. Ganesh Babu, “Image denoising by Curvelet Transform Based Adaptive Gaussian Notch Filter,” in Proc. International Conference on Signal Processing and Computer Vision (SIPCOV-2023), Silchar, Assam, India, pp. 391–400, Oct. 2024, doi: 10.2991/978-94-6463-529-4_35.
B. Li, Y. Zhang, W. Chen, Y. Ma, and L. Li, “Neural network-based investigation of periodic noise reduction methods for high-resolution infrared line scanning images,” Remote Sensing, vol. 16, no. 5, 2024, Art. no. 841, doi: 10.3390/rs16050841.
ชัยพร ปานยินดี, การประมวลผลภาพดิจิทัล, พิมพ์ครั้งที่ 2. นครปฐม: สำนักงานประชาสัมพันธ์ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์, 2566, หน้า 56–131. [ออนไลน์]. เข้าถึงได้: https://bundanjai-static.reeeed.com/book/cknu3iqqx1rrz0789utvb3aw9/preview/5522840170620PDF.pdf?supportedpurview=project
Playboy Enterprises, Inc., Nov. 1972, “Lena test image,” Playboy Magazine. [Online]. Available: https://www.playboy.com/magazine/issues/1972/11/?srsltid=AfmBOorsx1mYC1VQt7krTvWyx8VaXGK2c8BNnhHxfHAN7qaiCppunH9N
University of Southern California, Apr. 2025, “USC-SIPI Image Database,” [Online]. Available: http://sipi.usc.edu/database.
