בכל פעם שאנחנו לוחצים על הצילום, סורקים מטופל או משדרים תמונות מלוויין, אנחנו מתמרנים בין איכות התמונה, נפח האחסון והזמן. מאמר זה מציג שיטה חדשה לניקוי תמונות רועשות שצולמו בצורה דחוסה מאוד, ומסייעת להפיק תמונות ברורות יותר ממספר מדידות מצומצם. הדבר משמעותי מעדשות טלפון חדות יותר בתאורה נמוכה ועד סריקות רפואיות בטוחות יותר שדורשות פחות קרינה.
מדוע קיצוץ פינות עדיין יכול להיראות טוב
מצלמות וסורקים מסורתיים פועלים לפי כלל פשוט: אוספים הרבה יותר חתיכות מידע ממה שנדרש כדי לא לפספס דבר. רק לאחר מכן דוחסים את התמונה כדי לחסוך מקום. חישוב דחוס הופך את ההיגיון הזה על הראש. במקום לרשום תחילה כל פיקסל, הוא לוקח סט קטן ומחושב של מדידות משולבות שמכילות עדיין את רוב המידע הויזואלי החשוב. בתיאוריה זה מאפשר לשחזר תמונה חדה ממעט נתונים. בפועל, עם זאת, רעש במהלך המדידה ובחירות גרועות של אופן המדידה יכולים לגרום לטשטוש פרטים, לארטיפקטים בבלוקים ולאובדן מבנה עדין, במיוחד בסביבות תובעניות כמו הדמיה רפואית.
שבירת תמונות לחתיכות קטנות וחכמות Figure 1.
המחברים מציעים מסגרת בת שלושה שלבים שעובדת על תיקיות ריבועיות קטנות, או בלוקים, של התמונה במקום על התמונה כולה בבת אחת. כל בלוק מומר תחילה לצורה שבה רוב התוכן המשמעותי מרוכז לקבוצה קומפקטית של ערכים בעוד שפרטים ומרקמים עדינים מופרדים החוצה. ערכים אלה ממוינים לאחר מכן במסלול זיגזג שנוטה להציב את החלקים הרחבים והחלקים של התמונה בראש ובראשם את השינויים החדים והקטנים מאוחר יותר. מיון זה חשוב כי הוא מבטיח שכאשר התמונה נדחסת, חלקי המידע החשובים ביותר חזותית נשמרים בקדמת התור, אפילו אם מאוחסן רק חלק קטן מהנתונים.
לקיחת קיצורי דרך טובים יותר דרך הנתונים
לאחר שכל בלוק ממויין מחדש, הוא עובר דרך כלי מתמטי הנקרא מטריצת חישה, שקובעת בדיוק כיצד הערכים המקוריים הרבים מעורבבים למערך מדידות קטן יותר. במקום להסתמך על בחירה אקראית וגנרית, החוקרים מתאימים את המטריצה כך שתתאים במיוחד לסוגי התמונות שהם רוצים לשחזר. הם עושים זאת על ידי פתרון בעיית אופטימיזציה שמעצב את המטריצה עד שתבניותיה הפנימיות מקלות על להבדיל בין מבנה חשוב לרעש. הליך שחזור פופולרי משתמש לאחר מכן במדידות הדחוסות הללו כדי לאפיין בקירוב את הבלוק המקורי, בהנחה שרק מספר יחסי של תכונות בסיסיות נדרשות לתיאורו.
להבריש את השאריות של הרעש Figure 2.
אפילו לאחר דחיסה ושחזור זהירים, נשארים רעש וארטיפקטים קטנים. כדי להתמודד עם זאת, השלב הסופי מפעיל טכניקת הפחתת רעש מודרנית הידועה כשיטת Split Bregman. גישה זו מטפלת בתמונה כמשטח ומלטשת בעדינות תנודות מזעריות תוך שמירה על קצוות וגבולות אנטומיים חדים. על ידי פיצול הבעיה תדיר לתת-שלבים פשוטים יותר, היא מתכנסת במהירות ובאופן יציב. התוצאה היא תמונה מסוננת שבה נקודות גסות מצטמצמות אך קווים ומרקמים מרכזיים — כגון גבולות רקמות בסריקה או קצוות בנוף — נשמרים.
מצילום מבחן עד סריקות רפואיות
הצוות בדק את המסגרת שלהם על תמונות יומיומיות ועל תמונות רפואיות כגון סריקות CT וצילומי רנטגן. הם הזיקו בכוונה את המקור עם כמויות שונות של רעש מלאכותי וסימולציות שבהן נאסף רק 20%–50% מהנתונים הרגילים. בהגדרות אלה הם השוו את שיטתם לשיטה דומה שוויתרה על שלב הזיגזג והשתמשה בגישת חישה סטנדרטית. באמצעות מדדי איכות מקובלים שמודדים חידוד, דמיון למקור ושגיאה כוללת, שיטתם הפיקה בעקביות תמונות נקיות ונאמנות יותר. הדבר היה נכון גם לתמונות מבחן שגרתיות וגם לסריקות קליניות רלוונטיות של ריאות, ברכיים, ידיים וחזה.
תמונות ברורות יותר עם חשיפה נמוכה יותר
בעיקרו של דבר, המחקר מראה שניתן לעצב בחוכמה הן את אופן איסוף נתוני התמונה והן את אופן הסרת הרעש אחר כך כדי להפיק יותר ממעט. על ידי שילוב עיבוד מבוסס-בלוקים, מיון זיגזג, אופן מדידה דחוס מותאם ואמצעי ניקוי סופי חזק, המסגרת המוצעת משפרת את בהירות התמונה תחת מגבלות נתונים ורעש קפדניות. עבור מטופלים, זה עשוי יום אחד לתרגם לסריקות באיכות גבוהה מתוך פחות הקרנות רנטגן ולכן מנות קרינה נמוכות יותר; עבור מערכות הדמיה בכללותן, זה מצביע על עתיד שבו תמונות חדה כבר אינן דורשות כמויות עצומות של נתונים.
ציטוט: Thomas, E.N., Theeda, P. & Praveen, T. Block compressive sensing-based image denoising framework using optimized sensing matrix and split Bregman algorithm.
Sci Rep16, 9485 (2026). https://doi.org/10.1038/s41598-026-38785-0
