Appearance
blur — ลดสัญญาณรบกวนด้วย Gaussian Blur
โมดูล blur ใช้สำหรับกรองสัญญาณรบกวนความถี่สูง (High-frequency noise เช่น grain หรือจุดรบกวนจากเซนเซอร์กล้อง) ออกจากภาพ Grayscale ก่อนนำไปทำ Threshold หรือหาขอบ เพื่อลดโอกาสเกิด False Positive
1. การใช้งานใน Recipe
- Input:
image(ต้องเป็นภาพ Grayscale 1-channel 8-bit หรือCV_8UC1) - Parameters:
ksize(int, ค่าเริ่มต้น3): ขนาดของ Kernel ต้องเป็นเลขคี่ในช่วง1ถึง31(หน่วยpx)sigma(double, ค่าเริ่มต้น0.0): ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) ของ Gaussian ในช่วง0.0ถึง10.0(หากตั้งเป็น0.0OpenCV จะคำนวณให้โดยอัตโนมัติจากksize)
- Output:
image(ภาพ Grayscale ที่ผ่านการเบลอแล้ว)
json
{
"id": "smooth",
"type": "blur",
"enabled": true,
"params": {
"ksize": 5,
"sigma": 1.2
},
"inputs": { "image": "gray" }
}2. หลักการทำงานภายในซอฟต์แวร์
อ้างอิงจาก src/tools/blur.cpp:
- ตรวจสอบภาพขาเข้าว่าไม่ว่าง และต้องเป็น
CV_8UC1(1-channel 8-bit) เท่านั้น หากเป็นภาพสีจะคืนค่าStatus::Error - ตรวจสอบพารามิเตอร์:
ksizeต้องเป็นเลขคี่ใน[1, 31]sigmaต้องเป็นค่าจำกัด (finite) ใน[0.0, 10.0]
- การประมวลผล:
- หาก
ksize == 1จะทำการclone()ภาพส่งออกโดยไม่เบลอ (Bypass) - หาก
ksize > 1จะเรียกใช้cv::GaussianBlur(*src, out.image, cv::Size(ksize, ksize), sigma, sigma, cv::BORDER_DEFAULT)
- หาก
3. ทฤษฎีเบื้องหลัง (OpenCV & Machine Vision)
Gaussian Blur คือการทำ Convolution ระหว่างภาพกับหน้าต่างกรอง (Kernel) ที่มีการกระจายตัวแบบระฆังคว่ำ (Gaussian Distribution) ใน 2 มิติ:
จุดเด่นของ Gaussian Blur เมื่อเทียบกับการเฉลี่ยค่าพิกเซลแบบธรรมดา (Box Blur):
- ให้น้ำหนักที่จุดศูนย์กลางมากที่สุด และค่อยๆ ลดลงตามระยะห่าง ทำให้ลด Noise ได้ดีโดยที่ขอบของวัตถุ (Edges) ยังคงรูปทรงได้ดีกว่าไม่เบลอเละเป็นสี่เหลี่ยม
- เมื่อ
sigma = 0: OpenCV จะคำนวณอัตโนมัติจากสูตร:
คำแนะนำในการปรับค่า
- ใช้
ksize: 3สำหรับลด Noise เล็กน้อยโดยยังคงความคมของขอบชิ้นงานไว้ - ใช้
ksize: 5หรือ7เมื่อพื้นผิวชิ้นงานมีลวดลายรบกวนมาก และต้องการให้ Threshold แยกวัตถุได้เรียบเนียนขึ้น