Nelineární filtrace velkých 3D obrazových dat

Abstract

Tato bakalářská práce se zabývá návrhem a efektivní implementací nelineárních filtrů, bilaterálního filtru a non-local means filtru, pro odstraňovaní šumu z 3D obrazových dat. Implementované filtry jsou optimalizovány různými technikami, jako třeba paralelním zpracováním, integračním obrázkem, vzorkováním atd. Práce obsahuje multiplatformní řešení těchto filtrů v jazyce C\# a dvě demonstrační aplikace -- okenní aplikaci pro Windows a multiplatformní konzolovou aplikaci -- demonstrující využití knihovny. Rychlost a výstupy implementovaných filtrů byly otestovány a porovnány s open source referenčními filtry (Itk, scikit-image), přičemž implementace 3D bilaterálního filtru je až $30\times$ rychlejší než dostupná implementace Itk filtru a implementace 3D non-local means filtru je přibližně $2\times$ rychlejší než implementace z knihovny scikit-image.

This bachelor thesis deals with design and effective implementation of nonlinear filters, bilateral filter and non-local means filter, for denoising 3D image data. The implemented filters are optimized by various techniques such as parallel processing, integral image, sampling etc. This thesis project includes cross-platform solution of these filters in C\# language and two demonstration applications -- a GUI application for Windows and a cross-platform console application -- demonstrating the use of the library. The performance and output of implemented filters were tested and compared against open source reference filters (Itk, scikit-image), with the 3D bilateral filter implementation being up to $30×$ faster than the available implementation of the Itk filter and the implementation of the 3D non-local means filter is approximately $2×$ faster than the scikit-image implementation