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

bookHistogramudjævning

Simpel histogramudligning

Histogramudligning er en teknik, der bruges til at forbedre det globale kontrastniveau i et billede. Metoden fungerer ved at omfordele intensitetsværdierne, så de spænder over hele det mulige interval (0 til 255 i 8-bit billeder). Dette er især nyttigt for billeder, der er for mørke eller for lyse, da det gør detaljer mere synlige ved at udligne histogrammet for pixelintensiteter.

equalized = cv2.equalizeHist(image)
  • cv2.equalizeHist(image)
    • image: input gråtonebillede (skal være enkeltkanal);
    • Returnerer et nyt billede med forbedret kontrast ved at strække og udjævne histogrammet.
Note
Bemærk

Denne metode er global – den forbedrer kontrasten i hele billedet ensartet, hvilket kan føre til overforbedring i nogle områder og tab af detaljer i andre.

Adaptiv histogramudjævning (CLAHE)

CLAHE (Contrast Limited Adaptive Histogram Equalization) er en avanceret version af histogramudjævning, der arbejder på små områder (fliser) af billedet i stedet for hele billedet. Det forbedrer lokal kontrast og undgår overforstærkning af støj ved at begrænse histogramkontrasten inden for hver flise.

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
  • cv2.createCLAHE(...) opretter et CLAHE-objekt med:
    • clipLimit: tærskel for kontrastbegrænsning (højere værdi = mere kontrast);
    • tileGridSize: størrelsen på gitteret til opdeling af billedet i fliser (f.eks. 8x8).
  • clahe.apply(image) anvender CLAHE på inputbilledet.
Note
Bemærk

CLAHE er særligt effektivt til billeder med varierende lysforhold eller hvor bevaring af lokale detaljer er vigtig, såsom medicinsk billedbehandling eller fotografering i svagt lys.

Opgave

Swipe to start coding

Du har fået en variabel image:

  • Anvend simpel histogramudjævning og gem resultatet i equalized;
  • Definér CLAHE klasseobjekt i variablen clahe;
  • Anvend CLAHE-histogramudjævning og gem resultatet i clahe_equalized (parameteranbefaling: clipLimit=2.0 og tileGridSize=(8, 8)).

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 5
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

bookHistogramudjævning

Stryg for at vise menuen

Simpel histogramudligning

Histogramudligning er en teknik, der bruges til at forbedre det globale kontrastniveau i et billede. Metoden fungerer ved at omfordele intensitetsværdierne, så de spænder over hele det mulige interval (0 til 255 i 8-bit billeder). Dette er især nyttigt for billeder, der er for mørke eller for lyse, da det gør detaljer mere synlige ved at udligne histogrammet for pixelintensiteter.

equalized = cv2.equalizeHist(image)
  • cv2.equalizeHist(image)
    • image: input gråtonebillede (skal være enkeltkanal);
    • Returnerer et nyt billede med forbedret kontrast ved at strække og udjævne histogrammet.
Note
Bemærk

Denne metode er global – den forbedrer kontrasten i hele billedet ensartet, hvilket kan føre til overforbedring i nogle områder og tab af detaljer i andre.

Adaptiv histogramudjævning (CLAHE)

CLAHE (Contrast Limited Adaptive Histogram Equalization) er en avanceret version af histogramudjævning, der arbejder på små områder (fliser) af billedet i stedet for hele billedet. Det forbedrer lokal kontrast og undgår overforstærkning af støj ved at begrænse histogramkontrasten inden for hver flise.

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
  • cv2.createCLAHE(...) opretter et CLAHE-objekt med:
    • clipLimit: tærskel for kontrastbegrænsning (højere værdi = mere kontrast);
    • tileGridSize: størrelsen på gitteret til opdeling af billedet i fliser (f.eks. 8x8).
  • clahe.apply(image) anvender CLAHE på inputbilledet.
Note
Bemærk

CLAHE er særligt effektivt til billeder med varierende lysforhold eller hvor bevaring af lokale detaljer er vigtig, såsom medicinsk billedbehandling eller fotografering i svagt lys.

Opgave

Swipe to start coding

Du har fået en variabel image:

  • Anvend simpel histogramudjævning og gem resultatet i equalized;
  • Definér CLAHE klasseobjekt i variablen clahe;
  • Anvend CLAHE-histogramudjævning og gem resultatet i clahe_equalized (parameteranbefaling: clipLimit=2.0 og tileGridSize=(8, 8)).

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 5
single

single

some-alt