Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Riduzione del Rumore e Levigatura | Elaborazione delle Immagini con OpenCV
Fondamenti di Computer Vision

bookRiduzione del Rumore e Levigatura

Il rumore nelle immagini si manifesta come una grana indesiderata o distorsione, spesso causata da scarsa illuminazione, artefatti di compressione o limitazioni del sensore. Le tecniche di smoothing aiutano a ridurre il rumore preservando i dettagli importanti dell'immagine.

Sfocatura Gaussiana (Riduzione del Rumore)

La funzione cv2.GaussianBlur applica una sfocatura gaussiana, che ammorbidisce l'immagine mediando i valori dei pixel tramite un kernel gaussiano (una media pesata che attribuisce maggiore importanza ai pixel centrali):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: immagine sorgente da sfocare;
    • ksize: dimensione del kernel nel formato (larghezza, altezza), entrambi i valori devono essere dispari (ad esempio, (5, 5));
    • sigmaX: deviazione standard nella direzione X; controlla il livello di sfocatura.
  • La funzione riduce il rumore e i dettagli dell'immagine convolvendo l'immagine con una funzione gaussiana, utile in attività come il rilevamento dei bordi o la pre-elaborazione prima della soglia.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Approfondimento

In cv2.GaussianBlur(), il parametro sigmaX rappresenta la deviazione standard del kernel gaussiano nella direzione X, mentre lo stesso parametro nella direzione Y (sigmaY) ha come valore predefinito 0. Quando sia sigmaX che sigmaY sono impostati a 0, la deviazione standard viene calcolata in base alla dimensione del kernel.

Sfocatura Mediana (Rimozione del Rumore Sale-e-Pepe)

La funzione cv2.medianBlur applica un filtro mediano, che sostituisce ogni valore di pixel con il valore mediano dei pixel vicini nella finestra del kernel:

  • cv2.medianBlur(src, ksize):
    • src: immagine sorgente da filtrare;
    • ksize: dimensione del kernel quadrato (deve essere un intero dispari, ad esempio 3, 5, 7).
  • La sfocatura mediana è particolarmente efficace nella rimozione del rumore sale-e-pepe, poiché preserva i bordi eliminando i pixel rumorosi isolati.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Compito

Swipe to start coding

Ti viene fornita la variabile image contenente l'immagine rumorosa del cucciolo: noisy puppy

  • Applicare il filtro Gaussiano e salvare il risultato nella variabile gaussian_blurred;
  • Applicare il filtro Mediano e salvare il risultato nella variabile median_blurred.

Soluzione

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

close

Awesome!

Completion rate improved to 3.45

bookRiduzione del Rumore e Levigatura

Scorri per mostrare il menu

Il rumore nelle immagini si manifesta come una grana indesiderata o distorsione, spesso causata da scarsa illuminazione, artefatti di compressione o limitazioni del sensore. Le tecniche di smoothing aiutano a ridurre il rumore preservando i dettagli importanti dell'immagine.

Sfocatura Gaussiana (Riduzione del Rumore)

La funzione cv2.GaussianBlur applica una sfocatura gaussiana, che ammorbidisce l'immagine mediando i valori dei pixel tramite un kernel gaussiano (una media pesata che attribuisce maggiore importanza ai pixel centrali):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: immagine sorgente da sfocare;
    • ksize: dimensione del kernel nel formato (larghezza, altezza), entrambi i valori devono essere dispari (ad esempio, (5, 5));
    • sigmaX: deviazione standard nella direzione X; controlla il livello di sfocatura.
  • La funzione riduce il rumore e i dettagli dell'immagine convolvendo l'immagine con una funzione gaussiana, utile in attività come il rilevamento dei bordi o la pre-elaborazione prima della soglia.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Approfondimento

In cv2.GaussianBlur(), il parametro sigmaX rappresenta la deviazione standard del kernel gaussiano nella direzione X, mentre lo stesso parametro nella direzione Y (sigmaY) ha come valore predefinito 0. Quando sia sigmaX che sigmaY sono impostati a 0, la deviazione standard viene calcolata in base alla dimensione del kernel.

Sfocatura Mediana (Rimozione del Rumore Sale-e-Pepe)

La funzione cv2.medianBlur applica un filtro mediano, che sostituisce ogni valore di pixel con il valore mediano dei pixel vicini nella finestra del kernel:

  • cv2.medianBlur(src, ksize):
    • src: immagine sorgente da filtrare;
    • ksize: dimensione del kernel quadrato (deve essere un intero dispari, ad esempio 3, 5, 7).
  • La sfocatura mediana è particolarmente efficace nella rimozione del rumore sale-e-pepe, poiché preserva i bordi eliminando i pixel rumorosi isolati.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Compito

Swipe to start coding

Ti viene fornita la variabile image contenente l'immagine rumorosa del cucciolo: noisy puppy

  • Applicare il filtro Gaussiano e salvare il risultato nella variabile gaussian_blurred;
  • Applicare il filtro Mediano e salvare il risultato nella variabile median_blurred.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4
single

single

some-alt