Badawcze porównanie transformaty falkowej i filtracji w dziedzinie Fouriera dla usuwania szumów w obrazach medycznych

Dlaczego czystsze skany są ważne

Nowoczesne badania obrazowe, takie jak TK i MRI, zawierają informacje mogące decydować o życiu: maleńkie zmiany, subtelne tekstury i delikatne granice tkanek. Niestety każdy skan jest też zanieczyszczony losowym „śniegiem” i plamkami — szumem, który może ukrywać istotne wskazówki i zmuszać lekarzy do stosowania wyższych dawek promieniowania lub dłuższych czasów badania. Artykuł stawia pozornie proste pytanie o duże konsekwencje kliniczne: spośród dwóch popularnych matematycznych narzędzi do oczyszczania obrazu, które rzeczywiście daje czytelniejsze, bardziej wiarygodne obrazy przy różnych rodzajach szumu?

Dwa sposoby patrzenia na obraz

Autorzy koncentrują się na dwóch klasycznych strategiach, które przekształcają obraz przed jego oczyszczeniem. Pierwsza wykorzystuje falki, które rozkładają obraz na grubszą strukturę tła i kolejne, coraz drobniejsze poziomy szczegółu. W tej reprezentacji większość losowego szumu przejmuje postać wielu drobnych współczynników, podczas gdy prawdziwe krawędzie i tekstury pojawiają się jako mniejsza liczba większych współczynników. Odtwarzanie polega wtedy na zmniejszaniu lub odrzucaniu małych współczynników według różnych reguł progowych i złożeniu obrazu na nowo. Druga strategia używa odpowiednika transformaty Fouriera — dyskretnej transformaty kosinusowej — stosowanej nie do całego obrazu na raz, lecz do wielu małych, nachodzących na siebie kwadratowych bloków. W każdym bloku transformata oddziela gładką strukturę (niskie częstotliwości) od drobnych wariacji (wysokie częstotliwości), co pozwala algorytmowi tłumić wysokoczęstotliwościowe składniki przenoszące głównie szum.

Uczciwe porównanie popularnych metod

Aby rzetelnie porównać podejścia, badacze zbudowali duże środowisko testowe wokół obrazu TK o rozdzielczości 512 × 512. Dodali cztery rodzaje syntetycznego szumu naśladującego rzeczywiste problemy medyczne: szum Gaussowski i jednorodny (ziarniste fluktuacje), szum Poissona (typowy dla niskodawkowej radiografii, gdy zbieranych jest niewiele fotonów) oraz szum typu „sól i pieprz” (jasne i ciemne piksele symulujące impulsywne błędy). Dla falk zastosowali osiem różnych rodzin — od najprostszych falek Haar’a po bardziej wyrafinowane biortogonalne sklejane — w połączeniu z dwunastoma sposobami kurczenia współczynników i czterema sposobami doboru siły tego kurczenia. W metodzie opartej na kosinusie przetwarzali nachodzące na siebie bloki 16 × 16, transformowali każdy blok, zerowali małe, wysokoczęstotliwościowe składniki, a następnie uśredniali nachodzące bloki, aby złożyć pełny obraz.

Kto czyści lepiej i o ile?

Wydajność oceniano za pomocą standardowych miar jakości obrazu porównujących obraz po oczyszczeniu z oryginałem wolnym od szumu. W obozie falek wyróżniały się fale biortogonalne sklejane oraz fale Daubechiesa, szczególnie w połączeniu z adaptacyjnymi regułami progowania takimi jak SURE i Smooth Garrote, które dostosowują się do obserwowanych danych. Te kombinacje konsekwentnie przewyższały prostsze fale, jak Haar, oraz bardziej egzotyczne, jak Meyer czy Shannon. Mimo to najlepsze konfiguracje falk zostały pokonane przez blokową metodę kosinusową we wszystkich testowanych scenariuszach szumowych. Dla szumu Gaussowskiego na przykład najlepsza konfiguracja falk osiągnęła szczytowy stosunek sygnału do szumu (PSNR) około 31 dB, podczas gdy metoda blokowa oparta na kosinusie wspięła się do około 36 dB. Podobne różnice 4–6 dB pojawiły się dla szumów jednorodnego, Poissona oraz typu sól i pieprz, co przekłada się na zauważalnie ostrzejsze obrazy i mniej pozostałych artefaktów.

Dlaczego mniejsze kawałki wygrywają

Niespodzianką nie jest to, że transformaty kosinusowe działają — są filarem kompresji obrazu — lecz to, że relatywnie prosty, blokowy filtr kosinusowy może przewyższyć starannie wyregulowane falki, które często są chwalone za wieloskalowy wgląd w obraz. Autorzy twierdzą, że kluczowe nie jest samo przekształcenie matematyczne, lecz sposób jego użycia. Ich technika falkowa stosuje jedną globalną regułę decyzyjną do całego obrazu, więc słabe, lecz rzeczywiste struktury mogą zostać błędnie uznane za szum i usunięte. Natomiast blokowa metoda kosinusowa dostosowuje się do lokalnych sąsiedztw: każda nachodząca łatka jest analizowana, oczyszczana, a następnie miękko mieszana z sąsiednimi. Ten lokalny ogląd pomaga zachować drobne detale anatomiczne przy jednoczesnym ograniczeniu ziarnistości, a nakładanie bloków zapobiega blokowym artefaktom, które zwykle dotykają metod blokowych.

Co to oznacza dla przyszłych skanów

Dla klinicystów i inżynierów obrazowania kluczowe przesłanie jest takie, że projekt metody — zwłaszcza przetwarzanie lokalne kontra globalne — może mieć większe znaczenie niż wybór między „falką” a „Fourierem”. W tym kontrolowanym badaniu zlokalizowany filtr oparty na kosinusie dostarczył czystsze obrazy TK niż szeroka gama przepisów falkowych, dla wielu realistycznych typów szumu, przy jedynie umiarkowanym wzroście czasu obliczeń. To sugeruje, że szpitale i producenci urządzeń poszukujący praktycznych metod denoisingu bez głębokiego uczenia powinni rozważyć metody częstotliwościowe oparte na blokach lub hybrydy czerpiące z ich lokalności. Ostatecznie korzyść z takich wyborów algorytmicznych jest prosta do zrozumienia: czystsze obrazy przy niższej dawce lub krótszym czasie badania oraz większe szanse, że subtelne oznaki choroby nie zaginą w szumie.

Cytowanie: Saif, M.A., Mughalles, B.M. & Loqman, I.G.H. Comparative study of wavelet transform and Fourier domain filtering for medical image denoising. Sci Rep 16, 10145 (2026). https://doi.org/10.1038/s41598-026-40594-4

Słowa kluczowe: redukcja szumów w obrazach medycznych, tomografia komputerowa, transformata falkowa, dyskretna transformata kosinusowa, zmniejszanie szumów obrazu