Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Rauschreduzierung und Glättung | Bildverarbeitung mit OpenCV
Computer Vision Essentials

Swipe um das Menü anzuzeigen

book
Rauschreduzierung und Glättung

Rauschen in Bildern tritt als unerwünschte Körnigkeit oder Verzerrung auf, häufig verursacht durch schlechte Lichtverhältnisse, Kompressionsartefakte oder Sensorbeschränkungen. Glättungstechniken helfen, Rauschen zu reduzieren und gleichzeitig wichtige Bilddetails zu erhalten.

Gaußsche Weichzeichnung (Rauschglättung)

Die Funktion cv2.GaussianBlur wendet eine Gaußsche Weichzeichnung an, die das Bild glättet, indem Pixelwerte mit einem Gaußschen Kernel gemittelt werden (ein gewichteter Durchschnitt, der zentralen Pixeln mehr Bedeutung beimisst):

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

    • src: das zu weichzeichnende Quellbild;

    • ksize: Kernelgröße im Format (width, height), beide Werte müssen ungerade sein (z. B. (5, 5));

    • sigmaX: Standardabweichung in X-Richtung; steuert die Stärke der Weichzeichnung.

  • Die Funktion reduziert Bildrauschen und Details, indem das Bild mit einer Gaußschen Funktion gefaltet wird. Dies ist nützlich bei Aufgaben wie Kantenerkennung oder Vorverarbeitung vor der Schwellenwertbildung.

Medianfilterung (Entfernung von Salz-und-Pfeffer-Rauschen)

Die Funktion cv2.medianBlur wendet einen Medianfilter an, der jeden Pixelwert durch den Medianwert der benachbarten Pixel im Kernel-Fenster ersetzt:

  • cv2.medianBlur(src, ksize):

    • src: das zu filternde Quellbild;

    • ksize: Größe des quadratischen Kernels (muss eine ungerade Ganzzahl sein, z. B. 3, 5, 7).

  • Die Medianfilterung ist besonders effektiv bei der Entfernung von Salz-und-Pfeffer-Rauschen, da sie Kanten erhält und gleichzeitig isolierte Störpixel entfernt.

Aufgabe

Swipe to start coding

Sie erhalten die Variable image mit dem verrauschten Bild des Welpen: noisy puppy

  • Anwendung von Gaussian Blur und Speicherung des Ergebnisses in der Variable gaussian_blurred;
  • Anwendung von Median Blur und Speicherung des Ergebnisses in der Variable median_blurred.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 4

Fragen Sie AI

expand
ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

book
Rauschreduzierung und Glättung

Rauschen in Bildern tritt als unerwünschte Körnigkeit oder Verzerrung auf, häufig verursacht durch schlechte Lichtverhältnisse, Kompressionsartefakte oder Sensorbeschränkungen. Glättungstechniken helfen, Rauschen zu reduzieren und gleichzeitig wichtige Bilddetails zu erhalten.

Gaußsche Weichzeichnung (Rauschglättung)

Die Funktion cv2.GaussianBlur wendet eine Gaußsche Weichzeichnung an, die das Bild glättet, indem Pixelwerte mit einem Gaußschen Kernel gemittelt werden (ein gewichteter Durchschnitt, der zentralen Pixeln mehr Bedeutung beimisst):

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

    • src: das zu weichzeichnende Quellbild;

    • ksize: Kernelgröße im Format (width, height), beide Werte müssen ungerade sein (z. B. (5, 5));

    • sigmaX: Standardabweichung in X-Richtung; steuert die Stärke der Weichzeichnung.

  • Die Funktion reduziert Bildrauschen und Details, indem das Bild mit einer Gaußschen Funktion gefaltet wird. Dies ist nützlich bei Aufgaben wie Kantenerkennung oder Vorverarbeitung vor der Schwellenwertbildung.

Medianfilterung (Entfernung von Salz-und-Pfeffer-Rauschen)

Die Funktion cv2.medianBlur wendet einen Medianfilter an, der jeden Pixelwert durch den Medianwert der benachbarten Pixel im Kernel-Fenster ersetzt:

  • cv2.medianBlur(src, ksize):

    • src: das zu filternde Quellbild;

    • ksize: Größe des quadratischen Kernels (muss eine ungerade Ganzzahl sein, z. B. 3, 5, 7).

  • Die Medianfilterung ist besonders effektiv bei der Entfernung von Salz-und-Pfeffer-Rauschen, da sie Kanten erhält und gleichzeitig isolierte Störpixel entfernt.

Aufgabe

Swipe to start coding

Sie erhalten die Variable image mit dem verrauschten Bild des Welpen: noisy puppy

  • Anwendung von Gaussian Blur und Speicherung des Ergebnisses in der Variable gaussian_blurred;
  • Anwendung von Median Blur und Speicherung des Ergebnisses in der Variable median_blurred.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 4
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
Wir sind enttäuscht, dass etwas schief gelaufen ist. Was ist passiert?
some-alt