Dithekniki tša go lokiša bakeng sa filimi ya go swana .

Thekniki ya go beakanya letlakala la seetša la go swana kudu e akaretša homogenization ya mabone ka tshepedišong ya seswantšho go fokotša bothata bja go senyega ga boleng bja seswantšho bjo bo hlolwago ke maemo a go se be le mabone a mabe. Tše di latelago ke dithekniki tše mmalwa tše di tlwaelegilego tša go beakanya poleiti ya go swana:

Peakanyo ya go phadima ya mafelo a selegae:
Peakanyo ya go phadima ya lefelo la selegae kudu e nepiša tiragalo ya go pepentšhwa ye e sa lekalekanego yeo e diregago ka mo nageng mo seswantšhong. Se gantši se akaretša dithekniki tša go godiša phapano ya lefelong leo, go swana le go lekalekantšha ga histogram ya lefelong leo. Ka go dira ka go ikemela go lekantšha histogram go selete se sengwe le se sengwe sa selegae seswantšhong, phapano ya selete se sengwe le se sengwe e ka godišwa mola e boloka phapano ya lefase ka bophara ya seswantšho ka moka e sa fetoge ka mo go kgonegago.

Global Kganya Kabo ya Kabo: .
Kabo gape ya go phadima ga lefase ka bophara e lebišitše tlhokomelo go beakanya go phadima ga seswantšho ka moka. Mokgwa wo o ka fihlelela go swana ga go phadima ga seswantšho ka go fetoša sebopego sa histogram ntle le go fetoša go phadima ga kakaretšo ga seswantšho.
Theknolotši ya go šoma ka tekanyo e ntši: .

Ka go sekaseka le go šoma diswantšho ka dikelo tše di fapanego, go a kgonega go beakanya ka mo go atlegilego go phadima mola o boloka dintlha tša diswantšho. Mokgwa wo o kopanya mehola ya tshepedišo ya selegae le tshepedišo ya lefase ka bophara, gomme o ka tlwaela maemo a go raragana a go raragana gakaone.

Go diriša disoftware tša profešenale: .
Ka tshebetso e sebetsang, setšoantšo tekano tshebetso hangata kenngwa tshebetsong sebelisa software. Go fa mohlala, softwere ye nngwe ya go šoma diswantšho go swana le sedirišwa sa moriti/go hlabolla ka go Photoshop ke mokgwa wo o kwešišegago kudu wa go boreletša seswantšho. Go tlaleletša, go na le ba bang ba setsebi bongaka diswantšho tshebetso software, tse kang ImageJ, e leng fana ka ruileng setšoantšo tekano mesebetsi bakeng sa basebedisi ba ho etsa tshebetso e ntle ka litšoantšo tsa bongaka.

Theknolotši yeo e theilwego go thuto ye e tseneletšego:
Nywageng ya morago bjale, ka tlhabollo ya ka pela ya theknolotši ya go ithuta ka mo go tseneletšego, go dirilwe diphetogo ka theknolotšing ya go boreletša diswantšho yeo e theilwego go ithuteng mo go tseneletšego. Deep learning dikai, haholo-holo convolutional neural dinetweke tseo (CNNs), ka ka tsela e iketsang ho fumana le ho ithuta leano le molemo ka ho fetisisa bakeng sa setšoantšo smoothing tlas'a maemo a fapaneng mabone ka ho ithuta palo e khōlō ea labeled setšoantšo ya data, ka tsela eo ho finyella molemo tshebetso diphetho ho feta algorithms setso ka ba bang ba maemo a kopo ya kopo.

Theknolotši ya Mask: .
Ka tshepedišo ya diswantšho, theknolotši ya go šira e šomišwa kudu go tshepedišo ya selegae, kudukudu mo tshepedišong ya peakanyo ya go phadima ga selegae. Go šira go ka šireletša mafelo a itšego go tšwa go khuetšo ya peakanyo gomme go beakanya fela go phadima ga mafelo a itšego, ka go realo go laola khuetšo ya mabone a go swana gabotse.