Šum

Ker senzor fotoaparata zajema ravni rdeče, zelene in modre svetlobe ločeno za vsak piksel, lahko sistem računalniškega vida prihrani veliko časa pri nekaterih operacijah obdelave slik tako, da vse tri kanale združi v eno sliko »v sivinah«, ki predstavlja samo intenzivnost svetlobe (oziroma svetilnost) za vsak piksel. To pomaga pri zmanjševanju šuma na sliki.

Namesto da bi upoštevali le rdeče, zelene in modre vrednosti vsakega piksla posebej, večina tehnik zmanjševanja šuma preučuje druge piksle v bližnjem območju, da bi lahko napovedali, kakšna bi morala biti vrednost sredi tega območja.

Filter srednjih vrednosti predpostavlja, da bodo piksli v bližnjem območju podobne barve zato vzame srednjo vrednost (tj. povprečje) vseh pikslov znotraj območja okoli sredinskega piksla. Širše kot je območje, več pikslov je na voljo, zato zelo širok filter srednje vrednosti ponavadi povzroča veliko zamegljenost, zlasti okrog območij drobnih podrobnosti in robov, kjer so svetli in temni piksli blizu eden drugemu.

Filter mediane uporablja drugačen pristop. Zbere vse enake vrednosti, kot filter srednje vrednosti, nato pa jih razvrsti in zavzame srednjo vrednost (tj. mediano). To pomaga pri robovih, s katerimi je imel težave filter srednjih vrednosti, saj bo izbral svetlo ali temno vrednost (kar je najpogostejše), ne bo pa vrnil vrednosti med obema. V območju, kjer so piksli večinoma enake barve, bo filter prezrl en sam svetel ali temen piksel. Slabost filtra je v tem, da je številčno razvrščanje vseh sosednjih pikslov lahko precej zamudno!

Gaussova zamegljenost je še en pogost filter, ki predpostavlja, da si bodo najbližji piksli med seboj najbolj podobni, piksli, ki so bolj oddaljeni, pa si bodo manj podobni. Deluje podobno kot filter povprečnih vrednosti, vendar je statistično ponderiran glede na normalno porazdelitev.


Matematično gledano ta postopek uporablja posebno vrsto matrike, imenovano konvolucijsko jedro (ang. convolution kernel), ki za vsak piksel v izvorni sliki izračuna povprečno vrednost skupaj z vrednostmi drugih pikslov v bližini in to povprečje kopira v vsak piksel nove slike. V primeru Gaussove zamegljenosti je povprečje ponderirano, tako da se vrednostim bližnjih pikslov pripisuje večji pomen kot bolj oddaljenim pikslom. Čim močnejša je zamegljenost, širše mora biti jedro konvolucije, kar pomeni večje število izračunov.