ການເຊັນເຊີ (censorize)
ຂໍ້ມູນທາງເຕັກນິກ
- ຄຳອະທິບາຍ
- ເຊັນເຊີປ້າຍທະບຽນລົດ ແລະ ສ່ວນຕ່າງໆຂອງຮ່າງກາຍເພື່ອຄວາມເປັນສ່ວນຕົວ.
- ຈຸດປະສົງ
- ເພື່ອສ້າງສັນ.
- ຂາເຂົ້າ
- ແບບເສັ້ນຊື່ (linear) ຫຼື ບໍ່ເປັນເສັ້ນຊື່, RGB, ອ້າງອີງຕາມສາກ.
- ການປະມວນຜົນ
- ຄວາມຖີ່ (frequential), RGB.
- ຂາອອກ
- ພິເສດ, RGB, ອ້າງອີງຕາມສາກ.
ຫຼຸດຄຸນນະພາບຂອງບາງສ່ວນໃນຮູບພາບໃຫ້ເບິ່ງສວຍງາມ ເພື່ອເຮັດໃຫ້ບຸກຄົນ/ວັດຖຸບໍ່ສາມາດລະບຸຕົວຕົນໄດ້ ຫຼື ເຊື່ອງສ່ວນຕ່າງໆຂອງຮ່າງກາຍ.
Censorize ເຮັດວຽກໃນພື້ນທີ່ສີ RGB ແບບເສັ້ນຊື່ ເພື່ອໃຊ້ການເບຼີແບບ Gaussian ແລະ noise ຄວາມສະຫວ່າງແບບ Gaussian ທີ່ຖືກຕ້ອງຕາມຫຼັກຟີຊິກ.
ນອກຈາກການເຮັດໃຫ້ບໍ່ສາມາດລະບຸຕົວຕົນໄດ້ແລ້ວ, ໂມດູນນີ້ຍັງສາມາດໃຊ້ເພື່ອຈຸດປະສົງສ້າງສັນອື່ນໆໄດ້ອີກ, ຕົວຢ່າງ:
-
ປະສົມການເບຼີແບບງ່າຍໆເຂົ້າກັບ ໂໝດການປະສົມ (blend mode) ແບບຄູນ (multiply) ເພື່ອສ້າງເອັບເຟັກແສງຟຸ້ງ (Orton effect) ທີ່ສົມຈິງ.
-
ປະສົມການເບຼີແບບງ່າຍໆເຂົ້າກັບໂໝດການປະສົມແບບລົບ (subtract) ແລະ ຄວາມໂປ່ງໃສຕ່ຳ ເພື່ອສ້າງ unsharp mask, ເຊິ່ງຄ້າຍຄືກັບໂມດູນ sharpen ແຕ່ຢູ່ໃນພື້ນທີ່ RGB ອ້າງອີງຕາມສາກ.
-
ເພີ່ມ noise ເພື່ອສ້າງເມັດຟີມ (grain) ແບບທຽມ.
ໝາຍເຫດ: ວິທີການເຮັດໃຫ້ບໍ່ສາມາດລະບຸຕົວຕົນໄດ້ໃນໂມດູນນີ້ ແມ່ນບໍ່ໄດ້ປອດໄພທາງນິຕິວິທະຍາ (forensically safe) ເພາະເນັ້ນຄວາມສວຍງາມເປັນຫຼັກ. ເທັກນິກທາງນິຕິວິທະຍາບາງຢ່າງອາດຈະຍັງສາມາດກູ້ຄືນເນື້ອຫາທີ່ຖືກເຊັນເຊີໄດ້ໂດຍອີງຕາມໂຄງສ້າງຂອງມັນ, ໂດຍສະເພາະຮູບຊົງງ່າຍໆ ແລະ ຂໍ້ຄວາມ (ເຊັ່ນ: ປ້າຍທະບຽນລົດ, ເລກທີຖະໜົນ).
ຖ້າຕ້ອງການການປິດບັງຕົວຕົນທີ່ປອດໄພທາງນິຕິວິທະຍາ, ວິທີດຽວທີ່ຈະເຮັດໄດ້ຄືການທາສີທັບດ້ວຍສີພື້ນທຶບ.
ທີມງານ darktable ຈະບໍ່ຮັບຜິດຊອບຕໍ່ຮູບພາບທີ່ຖືກປິດບັງຕົວຕົນບໍ່ດີ ເຊິ່ງນຳໄປສູ່ການລະບຸຕົວຕົນຂອງບຸກຄົນ ຫຼື ຊັບສິນສ່ວນຕົວ.
🔗ຂັ້ນຕອນການເຮັດວຽກ
ແນະນຳໃຫ້ປະຄ່າຄວບຄຸມຂອງໂມດູນໄວ້ທີ່ຄ່າເລີ່ມຕົ້ນ ໃນຂະນະທີ່ເຈົ້າກຳລັງ ມາສ (mask) ບໍລິເວນທີ່ຕ້ອງການເຊັນເຊີ ເພື່ອໃຫ້ລາຍລະອຽດຂອງຮູບພາບຍັງຄົງເບິ່ງເຫັນໄດ້.
🔗ສ່ວນຄວບຄຸມໂມດູນ
- ລັດສະໝີການເບຼີຂາເຂົ້າ
- ຄວາມແຮງຂອງການເບຼີແບບ gaussian ໃນຮອບທຳອິດ.
- ລັດສະໝີການເຮັດໃຫ້ເປັນເມັດພິກເຊວ
- ຂະໜາດຂອງ “ພິກເຊວໃຫຍ່” ທີ່ຖືກສ້າງຂຶ້ນຫຼັງຈາກການເບຼີແບບ gaussian ໃນຮອບທຳອິດ.
- ລັດສະໝີການເບຼີຂາອອກ
- ຄວາມແຮງຂອງການເບຼີແບບ gaussian ໃນຮອບທີສອງ, ເຊິ່ງຈະໃຊ້ຫຼັງຈາກການເຮັດໃຫ້ເປັນເມັດພິກເຊວແລ້ວ.
- ລະດັບ noise
- ຄວາມແຮງ (ສ່ວນບ່ຽງເບນມາດຕະຖານ) ຂອງ noise ຄວາມສະຫວ່າງແບບ gaussian ທີ່ໃຊ້ຫຼັງຈາກການເບຼີໃນຮອບທີສອງ. ການເພີ່ມ noise ສາມາດສ້າງລາຍລະອຽດປອມໃນເຂດທີ່ເບຼີ ແລະ ເຮັດໃຫ້ການກວດຫາເນື້ອຫາໂດຍຂັ້ນຕອນວິທີປັນຍາປະດິດ (AI) ເຮັດໄດ້ຍາກຂຶ້ນ.