Celem zajęć jest zapoznanie z modelami szumu w obrazach cyfrowych i wybranymi metodami filtracji szumu.

Zadania

1. Zaimplementować dowolne 3 spośród poniższych funkcji generowania szumu - 0,3 pkt dodatkowe 0,1 pkt za każdą dodatkową metodę (o ile zostanie ona przetestowana):

   1. Gaussa
   2. Erlanga
   3. Rayleigha
   4. Impulsowym (s&p)
   5. Jednorodnym
   6. Wykładniczym

2. Zaimplementować 3 spośród poniższych funkcji filtracji odszumiającej zgodnie z modelami opisanymi powyżej - 0,3 pkt dodatkowe 0,1 pkt za każdą dodatkową metodę (o ile zostanie ona przetestowana):

   1. Uśredniania arytmetycznego
   2. Uśredniania geometrycznego
   3. Uśredniania harmonicznego
   4. Uśredniania kontrharmonicznego
   5. Medianowym
   6. Punktu środkowego

3. Zaimplementować poniższe funkcje oceny jakości 0,2 pkt:

   1. PNSR
   2. NMSE
   3. IF

4. Dla każdej zaimplementowanej pary: generator szumu - filtr, wykonać następujący eksperyment badawczy 0,2 pkt:

   1. Wczytać obraz testowy (jednokanałowy, rozdzielczość minimum 256x256 px)

   2. Wygenerować odpowiednie wartości szumu o rozmiarze obrazu (nie dodawać ich od razu)

   3. W pętli dla współczynnika alfa (w zależności od wartości obrazu <0-1> lub <0-255>) dodawać szum w celu wygenerowania wykresów:

      1. Jako zmienną testową dodajemy do naszego obrazu szum w stosunki obaz_zaszumiony= obraz + alfa*szum (pamiętać, żeby zrobić clipping zmienna.clip()).
      2. Dokonujemy filtracji odszumiającej.
      3. Wyliczamy współczynniki jakości dla naszego obrazu zaszumionego i odszumionego.

   4. Uzyskane wyniki umieszczamy na wykresie:

      

5. Przedstawić swoje obserwacje i wnioski, na podstawie wygenerowanych wykresów.

Do oddania

• kod źródłowy (jeden plik .py)
• sprawozdanie z obserwacjami i wynikami (format PDF)