Støjreduktion 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)

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)

Swipe to start coding
Du har fået variablen image
, som indeholder det støjfyldte billede af hvalpen:
- Anvend Gaussisk sløring og gem resultatet i variablen
gaussian_blurred
; - Anvend Median sløring og gem resultatet i variablen
median_blurred
.
Løsning
Tak for dine kommentarer!
single
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.45
Støjreduktion 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)

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)

Swipe to start coding
Du har fået variablen image
, som indeholder det støjfyldte billede af hvalpen:
- Anvend Gaussisk sløring og gem resultatet i variablen
gaussian_blurred
; - Anvend Median sløring og gem resultatet i variablen
median_blurred
.
Løsning
Tak for dine kommentarer!
single