nechodím na prednášky04 Convolution and noise reduction
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška vysvetľuje 2D diskrétnu konvolúciu ako posúvanie konvolučného jadra po obraze, kde sa v každej pozícii koeficienty jadra násobia intenzitami pixelov a výsledky sa sčítajú. Problém na hraniciach obrazu sa rieši najčastejšie nulovým odsadením. Ďalej definuje šum ako náhodné variácie jasu alebo farby vznikajúce pri snímaní a rozlišuje biely, gaussovský, aditívny, multiplikatívny, kvantizačný a impulzný šum. Na potlačenie šumu sa používa boxový filter 3×3, ktorý priemeruje okolie pixelu, no zároveň rozmazáva hrany. Gaussovské jadro dáva väčšiu váhu stredovému pixelu, takže obraz vyhladí a hrany zachová lepšie.
- - Konvolúcia: jadro sa posúva po obraze, koeficienty sa násobia intenzitami pixelov a sčítajú.
- - Na okrajoch obrazu sa najčastejšie používa nulové odsadenie (zero padding).
- - Šum sú náhodné variácie jasu alebo farby vznikajúce pri snímaní (senzor, obvody, zrnitosť filmu).
- - Typy šumu: biely (rovnomerné rozdelenie), gaussovský, aditívny, multiplikatívny, kvantizačný a impulzný.
- - Boxový filter 3×3 nahradí pixel priemerom okolia; koeficienty sa musia sčítať do 1, inak sa zmení jas.
- - Vyhladzovanie boxovým filtrom potlačí šum, ale aj hrany, a neošetrené okraje zostanú čierne.
- - Gaussovský filter váži stredový pixel viac, vyhladzuje a lepšie zachováva hrany.
Zhrnutie pripravené s pomocou AI z prepisu videa.
