ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
Ключевые слова:
Цифровое изображение, предварительная обработка, фильтрацияАннотация
В данной статье исследуются алгоритмы предварительной обработки, направленные на эффективное устранение шума в цифровых изображениях и улучшение их качества. В ходе исследования был проведен сравнительный анализ принципов работы линейных и нелинейных методов фильтрации. По результатам эксперимента, гауссовский фильтр показал высокую эффективность в сглаживании белого шума, а медианный фильтр — в устранении импульсного шума. На основе проведенного анализа был разработан программный пакет с использованием языка программирования Python и библиотеки OpenCV для фильтрации изображений.
Библиографические ссылки
1. Gonzalez R.C., Woods R.E. Digital Image Processing (4th Edition). – New York: Pearson,
2018. – P. 162-175.
2. Bradski G., Kaehler A. Learning OpenCV: Computer Vision with the OpenCV Library. –
Sebastopol: O‘Reilly Media, 2008. – P. 128-140.
3. Szeliski R. Computer Vision: Algorithms and Applications. – London: Springer Nature,
2022. – P. 105-118.
4. Pratt W.K. Digital Image Processing: PIKS Scientific Inside. – New York: WileyInterscience, 2007. – P. 280-295.
5. Kamilov M.M., Hudayberdiyev M.X. Tasvirlarga ishlov berish va ob’ektlarni aniqlash
usullari. – Toshkent: Fan va texnologiyalar, 2019. – B. 45-58.
6. Muda N.Z., El-Khatib A.M. Performance Analysis of Image Denoising Filters: A Review //
International Journal of Advanced Science and Technology. – 2020. – Vol. 29. № 5. – P. 145-152.
7. Abdug‘aniev A.A. Raqamli tasvirlardagi shovqinlarni filtrlashda median algoritmlarining
samaradorligi // O‘zbekiston Milliy universiteti xabarlari. – 2021. – № 3. – B. 34-38.
8. Rosebrock A. Deep Learning for Computer Vision with Python. – PyImageSearch, 2017. –
P. 22-28.
9. Jain A.K. Fundamentals of Digital Image Processing. – New Jersey: Prentice Hall, 1989. – P.
244-250.
