Концепция размытия

Краткое введение в размытие было обсуждено в нашем предыдущем уроке концепции масок, но мы формально обсудим это здесь.

нечеткость

При размытии мы просто размываем изображение. Изображение выглядит более четким или более детальным, если мы можем правильно воспринимать в нем все объекты и их формы. Например. Изображение с лицом выглядит четким, когда мы можем определить глаза, уши, нос, губы, лоб и т. Д. Очень четко. Эта форма объекта обусловлена его краями. Таким образом, при размытии мы просто уменьшаем содержимое края и делаем переход от одного цвета к другому очень плавным.

Размытие против масштабирования

Возможно, вы видели размытое изображение при увеличении изображения. Когда вы масштабируете изображение с использованием репликации пикселей и коэффициент масштабирования увеличивается, вы видите размытое изображение. Это изображение также имеет меньше деталей, но это не совсем размытое изображение.

Потому что при масштабировании вы добавляете новые пиксели к изображению, которые увеличивают общее количество пикселей на изображении, тогда как при размытии число пикселей обычного изображения и размытого изображения остается неизменным.

Типичный пример размытого изображения

нечеткость

Типы фильтров

Размытие может быть достигнуто многими способами. Общий тип фильтров, которые используются для выполнения размытия:

  • Средний фильтр
  • Средневзвешенный фильтр
  • Гауссов фильтр

Из этих трех мы будем обсуждать первые два здесь, а гауссовский будет обсуждаться позже в следующих уроках.

Средний фильтр

Средний фильтр также известен как фильтр Бокса и средний фильтр. Средний фильтр имеет следующие свойства.

  • Должно быть странным образом
  • Сумма всех элементов должна быть 1
  • Все элементы должны быть одинаковыми

Если следовать этому правилу, то для маски 3х3. Мы получаем следующий результат.

1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9

Поскольку это маска 3х3, это означает, что в ней 9 ячеек. Условие, что вся сумма элемента должна быть равна 1, может быть достигнуто путем деления каждого значения на 9. Как

1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 = 9/9 = 1

Результат маски 3х3 на изображении показан ниже

Исходное изображение

нечеткость

Размытое изображение

нечеткость

Может быть, результаты не очень ясны. Давайте увеличим размытие. Размытие можно увеличить, увеличив размер маски. Чем больше размер маски, тем больше размытие. Потому что с большей маской обслуживается большее количество пикселей и определяется один плавный переход.

Результат маски 5х5 на изображении показан ниже

Исходное изображение

нечеткость

Размытое изображение

нечеткость

Таким же образом, если мы увеличим маску, размытие будет больше, и результаты показаны ниже.

Результат маски 7х7 на изображении показан ниже.

Исходное изображение

нечеткость

Размытое изображение

нечеткость

Результат маски 9x9 на изображении показан ниже.

Исходное изображение

нечеткость

Размытое изображение

нечеткость

Результат маски 11x11 на изображении показан ниже.

Исходное изображение

нечеткость

Размытое изображение

нечеткость

Средневзвешенный фильтр

В средневзвешенном фильтре мы придавали больший вес значению центра. За счет чего вклад центра становится больше остальных значений. Благодаря средневзвешенной фильтрации мы можем контролировать размытие.

Свойства взвешенного среднего фильтра.

  • Должно быть странным образом
  • Сумма всех элементов должна быть 1
  • Вес центрального элемента должен быть больше, чем у всех остальных элементов.

Фильтр 1

1 1 1
1 2 1
1 1 1

Выполняются два свойства (1 и 3). Но свойство 2 не выполняется. Таким образом, чтобы удовлетворить это, мы просто разделим весь фильтр на 10 или умножим его на 1/10.

Фильтр 2

1 1 1
1 10 1
1 1 1

Коэффициент деления = 18.