Olet luultavasti jo nähnyt digitaalista kohinaa värillisinä pilkkuina tai rakeina erityisesti yöllä otettujen kuvien päällä.
Kohina on mikä tahansa poikkeama siitä, mitä pikselitasolla odotetaan. Kamerasi voi esimerkiksi tallentaa jotain hieman tummempaa tai vaaleampaa. Kun tämä tapahtuu riittävän merkittävässä mittakaavassa, jotta tuloksena on näkyvä tekstuuri, joka viittaa kohinaan.
On yleensä helpompi nähdä kohinaa kuvan tasaisilla piirteettömillä alueilla, kuten taivaalla, kuin monimutkaisempia yksityiskohtia sisältävissä kohtauksissa. Syynä tähän on se, että kiireisemmät kohtaukset piilottavat tehokkaasti osan kohinasta, kun taas pienet yksityiskohdat voidaan nähdä jonkin verran melua, jos katsot tarkasti.
Kuvan kohinan syyt
On monia syitä, miksi kuvat näyttävät vääristyneiltä ja rakeisilta. Joillekin et voi mitään. Osa kohinasta johtuu esimerkiksi siitä, miten valo saapuu anturiin, ja osa syntyy yksinkertaisesti muuntamalla jokainen pikselin digitaaliseksi informaatioksi. Katsotaanpa lisää, mikä aiheuttaa digitaalista kohinaa kuvissa.
ISO on suurin syy melulle. Korkeampi ISO, jota tulisi käyttää hämärässä tai yöllä, vääristää kuvaa, kun sitä napsautetaan päivänvalossa. Joten mitä korkeampi ISO, sitä enemmän kuvassa on kohinaa.
Kohinalle anturin koolla on merkitystä. Matkapuhelinkameroissa ja kompaktikameroissa on pieni anturi kamerassaan. Joten kun klikkaamme näitä laitteita, se ei voi saavuttaa edes 400 ISO-tasoa, mikä tekee kuvasta vääristynemmän ja väritarkkuuden huomaa helposti. Suuremmilla kameroilla, kuten DSLR-kameroilla, otettuna tuotettu kuva on paljon selkeämpi ja yksityiskohtaisempi, koska ne tuottavat heikomman rakeisen kuvan.
Tämä voidaan selittää esimerkin avulla. Oletetaan, että kamera, jonka anturi on 14 MP, napsauttaa kuvaa. Kuten tiedämme, se tuottaa enemmän kohinaa kuin pienempi megapikselinen kamera. Miksi?
Koska kun napsautamme kuvaa 14 megapikselin kamerasta, se puristaa todelliset pikselit verrattuna matalan megapikselin kameraan. Tämä vääristää kuvan automaattisesti.
Pidempi valotusaika voi myös aiheuttaa kohinaa.
Katsotaan nyt, minkä tyyppistä melua voi aiheutua.
Katso myös: Kuinka vähentää valokuvien kohinaa
Kohinatyypit kuvankäsittelyssä
Gaussin kohina viittaa tilastolliseen kohinaan, jossa PDF (todennäköisyysjakaumafunktio) on yhtä suuri kuin normaalijakauma. Se tunnetaan myös Gaussin jakaumana.
Kuvankäsittelyn kannalta Gaussin kohina on luonteeltaan additiivinen ja sen keskiarvo on nolla.
Tämäntyyppinen kohina voidaan suodattaa käyttämällä spatiaalista suodatinta, joka tasoittaa kuvaa. Gaussin tasoitus, joka tunnetaan myös nimellä Gaussin sumeus, saadaan Gaussin funktiolla kuvassa. Tätä tasoitusta käytetään grafiikoissa ja suunnitteluohjelmistoissa kuvan kohinaa ja yksityiskohtia vähentämään.
Suola- ja pippurimelu tunnetaan myös nimellä shot noise tai Impulse noise. Tämä kohina johtuu häiriöstä kuvan ottamisen aikana. Kameran antureiden toimintahäiriö tai ajoitusvirhe voi aiheuttaa tämäntyyppistä kohinaa kuvaan.
Periaatteessa, kun katsomme kuvaa, se näkyy mustavalkoisina pikseleinä kuvassa, siksi sitä kutsutaan suola- ja pippurikohinaksi.
Tämän tyyppinen kohina voidaan suodattaa käyttämällä keski- ja mediaanisuodatintekniikkaa tai myös Gaussin suodatinta.
Kvantisointikohina tunnetaan myös yhtenäisenä kohinana. Tämä kohina johtuu kuvan pikselien kvantisoinnista useille tasoille. Sitä kutsutaan yhtenäiseksi kohinaksi, koska sen jakautuminen on suunnilleen tasainen koko prosessin ajan.
Sitä voidaan käyttää erityyppisten kohinanjakaumien tuottamiseen, koska sillä on tasainen jakautuminen, sekä kuvien huonontamiseen, jotta sitä voidaan käyttää kuvanpalautusalgoritmeissa.
Miten kuvissa voidaan välttää kohinaa?
Anturit tuottavat myös enemmän melua lämpimissä olosuhteissa ja kun ne kuumenevat käytön aikana. Sinun tulee siis pitää tämä mielessä, kun kuvaat erityisen kuumissa olosuhteissa.
On monia asioita, jotka vähentävät kuvissasi näkyvää kohinaa. Yleissääntönä on, että käytettävissä olevien pienempien ISO-asetusten käyttö johtaa vähemmän kohinan muodostumiseen. Käytä siis korkeampaa vain tarvittaessa.
Jos kamerassasi on ISO-asetus, voit asettaa maksimiherkkyyden, jotta voit välttää käyttämästä herkkyyttä tietyn pisteen jälkeen.
Suuren herkkyyden sijaan voit yrittää käyttää laajaa aukkoa, jolloin valo pääsee kulkemaan anturin läpi ja luo puhtaamman kuvan kuin korkea ISO-asetus. Sinun tulee kuitenkin varmistaa, että laaja aukko säilyttää kuvassasi haluamasi syväterävyyden. Voit myös kokeilla pitkää valotusta korkeiden ISO-asetusten sijaan.
Jos pidät tätä artikkelia hyödyllisenä, ilmoita meille ja anna palautetta alla olevaan kommenttikenttään. Siihen asti hyvää lukemista.
Mitä voi kylvää ja istuttaa Helsingissä lokakuussa 2026? Opas Uudellemaalle: valkosipuli, syyskylvöt, kukkasipulit, yrtit sisällä, hallariski ja viikkokohtainen tarkistuslista.
Saunan sähkönkulutus riippuu kiukaan tehosta, lämmitysajasta ja lämpötilasta. Katso laskentakaava, kuvitteellinen esimerkki ja käytännön säästökeinot.
Mökin talvilaskua kasvattavat ennen kaikkea lämmitys, lämpöhäviöt ja jatkuvat laitekuormat. Näin löydät suurimman kuluttajan ja säästät turvallisesti.
Uusi ja vanha OmaKanta toimivat vielä rinnakkain. Katso, mitkä toiminnot ovat jo vain uudessa palvelussa, mikä muuttui ja milloin vanha OmaKanta poistuu.
Opiskelija ei yleensä saa yleistä asumistukea vuonna 2026, vaan opintotuen asumislisää. Katso poikkeukset, ehdot ja käytännön esimerkit Kelan sääntöjen mukaan.
Milloin talvirenkaat pitää vaihtaa Suomessa? Katso voimassa olevat säännöt, urasyvyysvaatimukset, nastojen käyttöaika ja turvallinen vaihtoaika aloittelijalle.
Lääkärin teksti puuttuu OmaKannasta? Katso yleisimmät syyt, tavallinen viive, oikea yhteydenottopaikka ja toiminta virhetilanteessa.
Miksi reseptin uusiminen OmaKannassa ei onnistu? Katso yleisimmät syyt, vuoden 2026 OmaKanta-muutos sekä käytännön keinot saada resepti uusittua.
Talvirenkaan lain mukainen vähimmäisurasyvyys on henkilöautossa 3,0 mm talvikelillä. Katso myös 5 mm:n turvallisuussuositus ja mittausohjeet.
Säästöt, sijoitukset ja velat voivat vaikuttaa yleiseen asumistukeen. Katso omaisuusrajat, poikkeukset ja käytännön laskuesimerkit.
