Victor Powell
Ein Bildkern ist eine kleine Matrix, die zur Anwendung von Effekten wie in Photoshop oder Gimp verwendet wird, z. B. zum Weichzeichnen, Schärfen, Konturieren oder Prägen. Sie werden auch beim maschinellen Lernen für die „Merkmalsextraktion“ verwendet, eine Technik zur Bestimmung der wichtigsten Teile eines Bildes. In diesem Zusammenhang wird das Verfahren allgemein als „Faltung“ bezeichnet (siehe: Faltungsneuronale Netze)
Um zu sehen, wie sie funktionieren, betrachten wir zunächst ein Schwarz-Weiß-Bild. Die Matrix auf der linken Seite enthält Zahlen zwischen 0 und 255, die jeweils der Helligkeit eines Pixels in einem Bild eines Gesichts entsprechen. Das große, granulierte Bild wurde vergrößert, um es besser sichtbar zu machen; das letzte Bild ist die „echte“ Größe.
Lassen Sie uns den folgenden 3×3 {{selectedKernel}}-Kern auf das Bild eines Gesichts von oben anwenden.
Nachfolgend multiplizieren wir für jeden 3×3-Block von Pixeln im Bild links jedes Pixel mit dem entsprechenden Eintrag des Kernels und nehmen dann die Summe. Diese Summe wird zu einem neuen Pixel im rechten Bild. Bewegen Sie den Mauszeiger über ein Pixel in einem der beiden Bilder, um zu sehen, wie sein Wert berechnet wird.
Eine Besonderheit dieses Prozesses ist die Vorgehensweise an den Rändern des Bildes. Zum Beispiel hat die linke obere Ecke des Eingabebildes nur drei Nachbarn. Eine Möglichkeit, dies zu beheben, besteht darin, die Kantenwerte im Originalbild um eins zu verlängern, während das neue Bild die gleiche Größe behält. In dieser Demo haben wir diese Werte stattdessen ignoriert, indem wir sie schwarz gemacht haben.
Hier ist eine Spielwiese, auf der Sie verschiedene Kernel-Matrizen auswählen und sehen können, wie sie sich auf das Originalbild auswirken, oder Ihren eigenen Kernel erstellen können. Du kannst auch dein eigenes Bild hochladen oder ein Live-Video verwenden, wenn dein Browser das unterstützt.
Der Schärfe-Kernel hebt Unterschiede in benachbarten Pixelwerten hervor. Dadurch wirkt das Bild lebendiger.
Der Unschärfe-Kernel hebt die Unterschiede zwischen benachbarten Pixelwerten auf.
Der Präge-Kernel (ähnlich dem Sobel-Kernel und manchmal auch so bezeichnet) erzeugt die Illusion von Tiefe, indem er die Unterschiede zwischen den Pixeln in einer bestimmten Richtung hervorhebt. In diesem Fall in einer Richtung entlang einer Linie von links oben nach rechts unten.
Der Indentity-Kernel lässt das Bild unverändert. Wie langweilig!
Der benutzerdefinierte Kernel ist, was auch immer Sie daraus machen.
Sobel-Kerne werden verwendet, um nur die Unterschiede in benachbarten Pixelwerten in einer bestimmten Richtung zu zeigen.
Ein Umriss-Kernel (auch „Kanten“-Kernel genannt) wird verwendet, um große Unterschiede in Pixelwerten hervorzuheben. Ein Pixel neben Nachbarpixeln mit annähernd gleicher Intensität erscheint im neuen Bild schwarz, während ein Pixel neben Nachbarpixeln, die sich stark unterscheiden, weiß erscheint.
Weitere Informationen finden Sie in der ausgezeichneten Dokumentation von Gimp zur Verwendung von Bildkerneln. Sie können auch Ihre eigenen benutzerdefinierten Filter in Photoshop anwenden, indem Sie zu Filter -> Andere -> Benutzerdefiniert…
gehen.
