Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Redução de Ruído e Suavização | Processamento de Imagens com OpenCV
Fundamentos de Visão Computacional

bookRedução de Ruído e Suavização

Ruído em imagens aparece como granulação ou distorção indesejada, frequentemente causado por baixa iluminação, artefatos de compressão ou limitações do sensor. Técnicas de suavização ajudam a reduzir o ruído enquanto preservam detalhes importantes da imagem.

Desfoque Gaussiano (Suavização de Ruído)

A função cv2.GaussianBlur aplica um desfoque gaussiano, que suaviza a imagem ao calcular a média dos valores dos pixels usando um kernel gaussiano (uma média ponderada que dá mais importância aos pixels centrais):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: imagem de origem a ser suavizada;
    • ksize: tamanho do kernel no formato (width, height), ambos os valores devem ser ímpares (por exemplo, (5, 5));
    • sigmaX: desvio padrão na direção X; controla o nível de desfoque.
  • A função reduz o ruído e detalhes da imagem ao convoluir a imagem com uma função gaussiana, sendo útil em tarefas como detecção de bordas ou pré-processamento antes de limiarização.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Estude Mais

No cv2.GaussianBlur(), o parâmetro sigmaX é o desvio padrão do kernel Gaussiano na direção X, e o mesmo parâmetro na direção Y (sigmaY) possui o valor 0 como padrão. Quando tanto sigmaX quanto sigmaY têm valor 0, o desvio padrão é calculado a partir do tamanho do kernel.

Desfoque Mediano (Remoção de Ruído Sal e Pimenta)

A função cv2.medianBlur aplica um filtro mediano, que substitui cada valor de pixel pelo valor mediano dos pixels vizinhos na janela do kernel:

  • cv2.medianBlur(src, ksize):
    • src: imagem de origem a ser filtrada;
    • ksize: tamanho do kernel quadrado (deve ser um inteiro ímpar, por exemplo, 3, 5, 7).
  • O desfoque mediano é especialmente eficaz na remoção de ruído sal e pimenta, pois preserva as bordas enquanto elimina pixels ruidosos isolados.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Tarefa

Swipe to start coding

Você recebeu a variável image contendo a imagem ruidosa do filhote: noisy puppy

  • Aplicar o desfoque Gaussiano e armazenar o resultado na variável gaussian_blurred;
  • Aplicar o desfoque Mediano e armazenar o resultado na variável median_blurred.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

close

Awesome!

Completion rate improved to 3.45

bookRedução de Ruído e Suavização

Deslize para mostrar o menu

Ruído em imagens aparece como granulação ou distorção indesejada, frequentemente causado por baixa iluminação, artefatos de compressão ou limitações do sensor. Técnicas de suavização ajudam a reduzir o ruído enquanto preservam detalhes importantes da imagem.

Desfoque Gaussiano (Suavização de Ruído)

A função cv2.GaussianBlur aplica um desfoque gaussiano, que suaviza a imagem ao calcular a média dos valores dos pixels usando um kernel gaussiano (uma média ponderada que dá mais importância aos pixels centrais):

  • cv2.GaussianBlur(src, ksize, sigmaX):
    • src: imagem de origem a ser suavizada;
    • ksize: tamanho do kernel no formato (width, height), ambos os valores devem ser ímpares (por exemplo, (5, 5));
    • sigmaX: desvio padrão na direção X; controla o nível de desfoque.
  • A função reduz o ruído e detalhes da imagem ao convoluir a imagem com uma função gaussiana, sendo útil em tarefas como detecção de bordas ou pré-processamento antes de limiarização.
blurred = cv2.GaussianBlur(image, ksize, sigmaX)
GaussianBlurExample
Note
Estude Mais

No cv2.GaussianBlur(), o parâmetro sigmaX é o desvio padrão do kernel Gaussiano na direção X, e o mesmo parâmetro na direção Y (sigmaY) possui o valor 0 como padrão. Quando tanto sigmaX quanto sigmaY têm valor 0, o desvio padrão é calculado a partir do tamanho do kernel.

Desfoque Mediano (Remoção de Ruído Sal e Pimenta)

A função cv2.medianBlur aplica um filtro mediano, que substitui cada valor de pixel pelo valor mediano dos pixels vizinhos na janela do kernel:

  • cv2.medianBlur(src, ksize):
    • src: imagem de origem a ser filtrada;
    • ksize: tamanho do kernel quadrado (deve ser um inteiro ímpar, por exemplo, 3, 5, 7).
  • O desfoque mediano é especialmente eficaz na remoção de ruído sal e pimenta, pois preserva as bordas enquanto elimina pixels ruidosos isolados.
median_blurred = cv2.medianBlur(image, ksize)
MedianBlurExample
Tarefa

Swipe to start coding

Você recebeu a variável image contendo a imagem ruidosa do filhote: noisy puppy

  • Aplicar o desfoque Gaussiano e armazenar o resultado na variável gaussian_blurred;
  • Aplicar o desfoque Mediano e armazenar o resultado na variável median_blurred.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4
single

single

some-alt