Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Histogramutjevning | Bildebehandling med OpenCV
Grunnleggende Datamaskinsyn

bookHistogramutjevning

Enkel histogramutjevning

Histogramutjevning er en teknikk som brukes til å forbedre det globale kontrastnivået i et bilde. Metoden fungerer ved å omfordele intensitetsverdiene slik at de dekker hele det mulige området (0 til 255 i 8-bits bilder). Dette er spesielt nyttig for bilder som er for mørke eller for lyse, da det gjør detaljer mer synlige ved å utjevne histogrammet for pikselintensiteter.

equalized = cv2.equalizeHist(image)
  • cv2.equalizeHist(image)
    • image: inngående gråtonebilde (må være énkanals);
    • Returnerer et nytt bilde med forbedret kontrast ved å strekke og flate ut histogrammet.
Note
Merk

Denne metoden er global – den forbedrer kontrasten i hele bildet jevnt, noe som kan føre til overforsterkning i enkelte områder og tap av detaljer i andre.

Adaptiv histogramutjevning (CLAHE)

CLAHE (Contrast Limited Adaptive Histogram Equalization) er en avansert versjon av histogramutjevning som opererer på små regioner (fliser) av bildet i stedet for hele bildet. Den forbedrer lokal kontrast og unngår å forsterke støy for mye ved å begrense histogramkontrasten innenfor hver flis.

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
  • cv2.createCLAHE(...) oppretter et CLAHE-objekt med:
    • clipLimit: terskel for kontrastbegrensning (høyere verdi = mer kontrast);
    • tileGridSize: størrelse på rutenettet for å dele bildet inn i fliser (f.eks. 8x8).
  • clahe.apply(image) bruker CLAHE på inngangsbildet.
Note
Merk

CLAHE er spesielt effektivt på bilder med varierende lysforhold eller der det er viktig å bevare lokale detaljer, som i medisinsk bildediagnostikk eller fotografering i lite lys.

Oppgave

Swipe to start coding

Du har fått en variabel image:

  • Utfør enkel histogramutjevning og lagre i equalized;
  • Definer CLAHE-klasseobjekt i variabelen clahe;
  • Utfør CLAHE-histogramutjevning og lagre i clahe_equalized (anbefalte parametere: clipLimit=2.0 og tileGridSize=(8, 8)).

Løsning

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 5
single

single

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

close

Awesome!

Completion rate improved to 3.45

bookHistogramutjevning

Sveip for å vise menyen

Enkel histogramutjevning

Histogramutjevning er en teknikk som brukes til å forbedre det globale kontrastnivået i et bilde. Metoden fungerer ved å omfordele intensitetsverdiene slik at de dekker hele det mulige området (0 til 255 i 8-bits bilder). Dette er spesielt nyttig for bilder som er for mørke eller for lyse, da det gjør detaljer mer synlige ved å utjevne histogrammet for pikselintensiteter.

equalized = cv2.equalizeHist(image)
  • cv2.equalizeHist(image)
    • image: inngående gråtonebilde (må være énkanals);
    • Returnerer et nytt bilde med forbedret kontrast ved å strekke og flate ut histogrammet.
Note
Merk

Denne metoden er global – den forbedrer kontrasten i hele bildet jevnt, noe som kan føre til overforsterkning i enkelte områder og tap av detaljer i andre.

Adaptiv histogramutjevning (CLAHE)

CLAHE (Contrast Limited Adaptive Histogram Equalization) er en avansert versjon av histogramutjevning som opererer på små regioner (fliser) av bildet i stedet for hele bildet. Den forbedrer lokal kontrast og unngår å forsterke støy for mye ved å begrense histogramkontrasten innenfor hver flis.

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
  • cv2.createCLAHE(...) oppretter et CLAHE-objekt med:
    • clipLimit: terskel for kontrastbegrensning (høyere verdi = mer kontrast);
    • tileGridSize: størrelse på rutenettet for å dele bildet inn i fliser (f.eks. 8x8).
  • clahe.apply(image) bruker CLAHE på inngangsbildet.
Note
Merk

CLAHE er spesielt effektivt på bilder med varierende lysforhold eller der det er viktig å bevare lokale detaljer, som i medisinsk bildediagnostikk eller fotografering i lite lys.

Oppgave

Swipe to start coding

Du har fått en variabel image:

  • Utfør enkel histogramutjevning og lagre i equalized;
  • Definer CLAHE-klasseobjekt i variabelen clahe;
  • Utfør CLAHE-histogramutjevning og lagre i clahe_equalized (anbefalte parametere: clipLimit=2.0 og tileGridSize=(8, 8)).

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 5
single

single

some-alt