Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Støjreduktion og Udglatning | Billedbehandling med OpenCV
Computer Vision Essentials

bookStøjreduktion og Udglatning

Støj i billeder fremstår som uønsket kornethed eller forvrængning, ofte forårsaget af lav belysning, komprimeringsartefakter eller sensorbegrænsninger. Udglatningsteknikker hjælper med at reducere støj, samtidig med at vigtige billeddetaljer bevares.

Gaussisk udglatning (støjreduktion)

Funktionen cv2.GaussianBlur anvender en gaussisk udglatning, som udglatter billedet ved at gennemsnitliggøre pixelværdier ved hjælp af en gaussisk kerne (et vægtet gennemsnit, der giver størst betydning til centrale pixels):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: kildebilledet, der skal udglattes;
    • ksize: kernestørrelse i formatet (width, height), begge værdier skal være ulige (f.eks. (5, 5));
    • sigmaX: standardafvigelse i X-retningen; styrer graden af udglatning.
  • Funktionen reducerer billedstøj og detaljer ved at konvolvere billedet med en gaussisk funktion, hvilket er nyttigt i opgaver som kantdetektion eller forbehandling før tærskelværdi.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Læs Mere

I cv2.GaussianBlur(), parameteren sigmaX, er Gauss-kernens standardafvigelse i X-retningen, og den tilsvarende parameter i Y-retningen (sigmaY) har værdien 0 som standard. Når både sigmaX og sigmaY har værdien 0, beregnes standardafvigelsen ud fra kernel-størrelsen.

Medianfiltrering (Fjernelse af salt-og-peber-støj)

Funktionen cv2.medianBlur anvender et medianfilter, som erstatter hver pixelværdi med medianværdien af de omkringliggende pixels i kernel-vinduet:

  • cv2.medianBlur(src, ksize):
    • src: kildebilledet der skal filtreres;
    • ksize: størrelsen på det kvadratiske kernel (skal være et ulige heltal, f.eks. 3, 5, 7).
  • Medianfiltrering er særligt effektiv til at fjerne salt-og-peber-støj, da det bevarer kanter samtidig med at isolerede støjpixels fjernes.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Opgave

Swipe to start coding

Du har fået variablen image, som indeholder det støjfyldte billede af hvalpen: noisy puppy

  • Anvend Gaussisk sløring og gem resultatet i variablen gaussian_blurred;
  • Anvend Median sløring og gem resultatet i variablen median_blurred.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 4
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

close

Awesome!

Completion rate improved to 3.45

bookStøjreduktion og Udglatning

Stryg for at vise menuen

Støj i billeder fremstår som uønsket kornethed eller forvrængning, ofte forårsaget af lav belysning, komprimeringsartefakter eller sensorbegrænsninger. Udglatningsteknikker hjælper med at reducere støj, samtidig med at vigtige billeddetaljer bevares.

Gaussisk udglatning (støjreduktion)

Funktionen cv2.GaussianBlur anvender en gaussisk udglatning, som udglatter billedet ved at gennemsnitliggøre pixelværdier ved hjælp af en gaussisk kerne (et vægtet gennemsnit, der giver størst betydning til centrale pixels):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: kildebilledet, der skal udglattes;
    • ksize: kernestørrelse i formatet (width, height), begge værdier skal være ulige (f.eks. (5, 5));
    • sigmaX: standardafvigelse i X-retningen; styrer graden af udglatning.
  • Funktionen reducerer billedstøj og detaljer ved at konvolvere billedet med en gaussisk funktion, hvilket er nyttigt i opgaver som kantdetektion eller forbehandling før tærskelværdi.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Læs Mere

I cv2.GaussianBlur(), parameteren sigmaX, er Gauss-kernens standardafvigelse i X-retningen, og den tilsvarende parameter i Y-retningen (sigmaY) har værdien 0 som standard. Når både sigmaX og sigmaY har værdien 0, beregnes standardafvigelsen ud fra kernel-størrelsen.

Medianfiltrering (Fjernelse af salt-og-peber-støj)

Funktionen cv2.medianBlur anvender et medianfilter, som erstatter hver pixelværdi med medianværdien af de omkringliggende pixels i kernel-vinduet:

  • cv2.medianBlur(src, ksize):
    • src: kildebilledet der skal filtreres;
    • ksize: størrelsen på det kvadratiske kernel (skal være et ulige heltal, f.eks. 3, 5, 7).
  • Medianfiltrering er særligt effektiv til at fjerne salt-og-peber-støj, da det bevarer kanter samtidig med at isolerede støjpixels fjernes.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Opgave

Swipe to start coding

Du har fået variablen image, som indeholder det støjfyldte billede af hvalpen: noisy puppy

  • Anvend Gaussisk sløring og gem resultatet i variablen gaussian_blurred;
  • Anvend Median sløring og gem resultatet i variablen median_blurred.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 4
single

single

some-alt