Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

OpenCV पायथन प्रोग्राम: इमेज ब्लर करना

OpenCV (cv2) पायथन में इमेज प्रोसेसिंग के लिए शक्तिशाली लाइब्रेरी है। इमेज ब्लरिंग (स्मूथिंग) नॉइज़ कम करने और डिटेल कम करने के लिए उपयोगी है।

गौसियन ब्लर (Gaussian Blur)

सबसे आम ब्लरिंग तकनीक - गौसियन कर्नेल का उपयोग करके एजेस को स्मूथ करता है जबकि अत्यधिक ब्लर से बचाता है।

सिंटैक्स

cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])
  • src: इनपुट इमेज
  • ksize: कर्नेल आकार (चौड़ाई, ऊंचाई) - दोनों ऑड (odd) होने चाहिए, जैसे (3,3), (5,5), (13,13)
  • sigmaX: X-दिशा में स्टैंडर्ड डेविएशन
  • sigmaY: Y-दिशा में स्टैंडर्ड डेविएशन (डिफ़ॉल्ट: sigmaX)
  • borderType: बॉर्डर हैंडलिंग (डिफ़ॉल्ट: BORDER_DEFAULT)

बेसिक उदाहरण

import cv2
import numpy as np

# इमेज पढ़ें
src = cv2.imread('LionKing.jpeg', cv2.IMREAD_UNCHANGED)

# गौसियन ब्लर लागू करें
dst = cv2.GaussianBlur(src, (3, 3), cv2.BORDER_DEFAULT)

# साइड-बाय-साइड दिखाएं
combined = np.hstack((src, dst))
cv2.imshow("Gaussian Blur: Original vs Blurred", combined)
cv2.waitKey(0)
cv2.destroyAllWindows()

परिणाम

कर्नेल (3,3) के साथ अंतर मामूली होता है।

कर्नेल आकार का प्रभाव

import cv2
import numpy as np

src = cv2.imread('LionKing.jpeg')

# विभिन्न कर्नेल आकार
kernel_sizes = [(3,3), (7,7), (13,13), (21,21)]
blurred_images = []

for ksize in kernel_sizes:
    blurred = cv2.GaussianBlur(src, ksize, 0)
    blurred_images.append(blurred)

# सभी तुलना
comparison = np.hstack([src] + blurred_images)
cv2.imshow("Kernel Size Comparison", comparison)
cv2.waitKey(0)
cv2.destroyAllWindows()

अवलोकन

  • (3,3): हल्का ब्लर, एजेस संरक्षित
  • (7,7): मध्यम ब्लर
  • (13,13): स्पष्ट ब्लर, डिटेल्स खो जाते हैं
  • (21,21): भारी ब्लर, केवल बड़े आकार दिखते हैं

अन्य ब्लरिंग तकनीकें

1. एवरेज ब्लर (Box Filter)

# सरल औसत - तेज लेकिन कम गुणवत्ता
avg_blur = cv2.blur(src, (5, 5))
# या
box_blur = cv2.boxFilter(src, -1, (5, 5), normalize=True)

2. मीडियन ब्लर (नॉइज़ रिमूवल के लिए सर्वश्रेष्ठ)

# साल्ट-एंड-पेपर नॉइज़ हटाने के लिए उत्कृष्ट
median_blur = cv2.medianBlur(src, 5)  # कर्नेल आकार (odd int)

3. बाइलेटरल फिल्टर (एज-प्रिजर्विंग)

# एजेस बरकरार रखते हुए स्मूथ करता है - सबसे अच्छा लेकिन धीमा
bilateral = cv2.bilateralFilter(src, d=9, sigmaColor=75, sigmaSpace=75)
# d: नेबरहुड डायमीटर
# sigmaColor: कलर स्पेस में फिल्टर सिग्मा
# sigmaSpace: कोऑर्डिनेट स्पेस में फिल्टर सिग्मा

तुलना: सभी ब्लर टाइप्स

import cv2
import numpy as np

src = cv2.imread('noisy_image.jpg')

# विभिन्न ब्लर
avg = cv2.blur(src, (5,5))
gaussian = cv2.GaussianBlur(src, (5,5), 0)
median = cv2.medianBlur(src, 5)
bilateral = cv2.bilateralFilter(src, 9, 75, 75)

# तुलना ग्रिड
top = np.hstack((src, avg, gaussian))
bottom = np.hstack((median, bilateral, np.zeros_like(src)))
comparison = np.vstack((top, bottom))

cv2.imshow("Blur Comparison", comparison)
cv2.waitKey(0)

कब कौन सा उपयोग करें?

ब्लर टाइपउपयोग केसगतिएज प्रिजर्वेशन
एवरेज/बॉक्ससामान्य स्मूथिंग, तेज प्रोसेसिंगतेजखराब
गौसियनसामान्य उद्देश्य, प्री-प्रोसेसिंगमध्यममध्यम
मीडियनसाल्ट-पेपर नॉइज़, इम्पल्स नॉइज़मध्यमअच्छा
बाइलेटरलएज-प्रिजर्विंग स्मूथिंग, फोटो एडिटिंगधीमाउत्कृष्ट

वीडियो/रियल-टाइम ब्लरिंग

import cv2

cap = cv2.VideoCapture(0)  # वेबकैम

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    # फेस डिटेक्शन के लिए ब्लर (उदाहरण)
    blurred = cv2.GaussianBlur(frame, (21, 21), 0)
    
    cv2.imshow('Original', frame)
    cv2.imshow('Blurred', blurred)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

इंस्टॉलेशन

pip install opencv-python numpy
  1. Python प्रोग्राम: OpenCV का उपयोग करके इमेज के एज डिटेक्ट करना Python प्रोग्राम: OpenCV का उपयोग करके इमेज के एज डिटेक्ट करना

    इस समस्या में, हम देखेंगे कि Python इमेज या वीडियो फ़ाइल के एज कैसे डिटेक्ट कर सकता है। इसे प्राप्त करने के लिए, हमें OpenCV लाइब्रेरी की आवश्यकता है। OpenCV लाइब्रेरी मुख्य रूप से कंप्यूटर विजन के लिए डिज़ाइन की गई है। यह ओपन सोर्स है। मूल रूप से इसे इंटेल द्वारा डिज़ाइन किया गया था। यह ओपन-सोर्स B

  1. Python में OpenCV का उपयोग करके टेम्पलेट मैचिंग Python में OpenCV का उपयोग करके टेम्पलेट मैचिंग

    टेम्पलेट मैचिंग एक तकनीक है, जिसके द्वारा एक पैच या टेम्पलेट को वास्तविक इमेज से मैच किया जा सकता है। यह मूल रूप से एक पैटर्न मैचिंग तंत्र है। Python में OpenCV मॉड्यूल है। OpenCV का उपयोग करके, हम आसानी से मैच ढूंढ सकते हैं। तो इस समस्या में, OpenCV टेम्पलेट मैचिंग तकनीकों का उपयोग किया जाता है। Op

  1. Python OpenCV मॉड्यूल का उपयोग करके हिस्टोग्राम इक्वलाइज़ेशन Python OpenCV मॉड्यूल का उपयोग करके हिस्टोग्राम इक्वलाइज़ेशन

    यह इमेज प्रोसेसिंग में एक विधि है जो इमेज के हिस्टोग्राम का उपयोग करके कंट्रास्ट एडजस्टमेंट करती है। वास्तव में यह विधि आमतौर पर कई इमेजेस के ग्लोबल कंट्रास्ट को बढ़ाती है, विशेष रूप से जब इमेज का उपयोग योग्य डेटा क्लोज कंट्रास्ट वैल्यूज़ द्वारा दर्शाया जाता है और इस एडजस्टमेंट के माध्यम से, इंटेंसि