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

Gaussisk udjævning (Støjreduktion)

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

• cv2.GaussianBlur(src, ksize, sigmaX):

  • src: kildebilledet, der skal udjævnes;

  • ksize: kernestørrelse i formatet (bredde, højde), begge værdier skal være ulige (f.eks. (5, 5));

  • sigmaX: standardafvigelse i X-retningen; styrer graden af udjævning.

• Funktionen reducerer billedstøj og detaljer ved at konvolvere billedet med en gaussisk funktion, hvilket er nyttigt i opgaver som kantdetektion eller forbehandling før tærskelværdi.

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

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

• cv2.medianBlur(src, ksize):

  • src: kildebilledet, der skal filtreres;

  • ksize: størrelse på den kvadratiske kerne (skal være et ulige heltal, f.eks. 3, 5, 7).

• Medianudjævning er særligt effektiv til at fjerne salt-og-peber-støj, da den bevarer kanter, mens isolerede støjpixels fjernes.