پردازش تصویر
تعریف کلی پردازش
به مجموعه عملیات و پردازش هایی که در راستای آنالیز تصویر در زمینه های مختلف
انجام می شود، علم پردازش تصویر گفته می شود. پردازش تصویر می تواند کیفیت تصویر
را کاهش یا افزایش دهد
آشنایی با مفاهیم اولیه در پردازش تصویر
الف) مفهوم پیکسل در پردازش تصویر:
پیکسل (Pixel) که بر گرفته شده
از Picture Elements است نقطه های بسیار
ریز مربع شکلی هستند که از تجمع آنها، تصویر روی صفحه نمایش یا روی کاغذ توسط
چاپگر شکل می گیرد. همان طور که بیت، کوچک ترین واحد اطلاعات قابل پردازش توسط
کامپیوتر است، پیکسل نیز کوچک ترین عنصر سخت افزار و نرم افزار نمایشی یا چاپی است
که برای شکل گرفتن تصاویر مورد استفاده قرار می گیرد. اگر برای هر پیکسل دو رنگ
(معمولاً سیاه و سفید) در نظر گرفته شود، توسط یک بیت قابل کد دهی است و در صورتی
که بیش از دو بیت برای ارائه یک پیکسل استفاده شود، محدوده رنگ ها یا سایه های
خاکستری وسیع تری، قابل ارائه خواهد شد.
ب) مفهوم عمق بیتی:
مقدار هر پیکسل در یک یا چند بیت اطلاعات، ذخیره می شود. برای تصاویر سادۀ تک رنگ،
یک بیت برای نشان دادن هر پیکسل کافیست اما در تصاویر رنگی و سایه های خاکستری، هر
پیکسل نیاز به بیش از یک بیت اطلاعات دارد.
هر چه از بیت های بیشتری برای نشان دادن یک پیکسل استفاده شود رنگ ها و سایه های
خاکستری بیشتری را می توان نشان داد. غلظت نقاط یا همان Resolution وضوح تصویر را
تعیین می کند. این ویژگی با واحد نقطه در اینچ (dpi) و یا با تعداد
ردیف ها و ستون ها سنجیده می شود (مانند 480*640).
ج) مفهوم بعد یک تصویر:
تصویر های مبتنی بر نقشه بیتی، همواره به صورت شبکه های مربع شکل بزرگ می باشد.
این شبکه ها مانند صفحۀ شطرنج یا موزاییک های کف آشپزخانه می باشد. این شبکه های
مربع شکل بزرگ از مربع های کوچکتری تشکیل شده اند. یکی از مشخصه هایی که همواره می
توان در مورد شبکه ها بیان نمود، این است که دارای ابعاد می باشند. صفحۀ شطرنج
همواره 8*8 است، اما شبکۀ پیکسل های تشکیل دهندۀ صفحۀ نمایش کامپیوترمثلاً 800*600
است.
ابعاد شبکه در واقع معادل تعداد مربع هایی است که طول و عرض تصویر را تشکیل داده
اند و ربطی به اندازۀ واقعی تصویر ندارند.
عملیات اصلی در پردازش تصویر
1. تبدیلات هندسی: همانند تغییر اندازه، چرخش و...
2. رنگ: همانند تغییر روشنایی، وضوح و یا تغییر فضای رنگ
3. ترکیب تصاویر : ترکیب دو و یا چند تصویر
4. فشرده سازی تصویر : کاهش حجم تصویر
5. قطعه بندی تصویر : تجزیهٔ تصویر
به قطعات با معنی
6. تفاوت تصاویر : به دست آوردن تفاوتهای تصویر
7. میانگین گیری : به دست آوردن تصویر میانگین از دو تصویر
انواع پردازش تصوير:
برای پردازش تصویر روش های مختلفی وجود دارد که 4 روش از آنها رو مورد برسي قرار
ميدهيم
Point (aProcess
پردازش نقطه ای (پیکسل به پیکسل) ارزش واقعی پیکسل ها را تغییر می دهد که در
تصاویر زیر مشاهده می شود
Area Process (b
پردازش سطحی ارزش پایه و واقعی پیکسل و پیکسل های کنار آن پیکسل را تغییر می دهد
که در تصاویر زیر مشاهده می شود
Geometric Process (c
پردازش هندسی مکان ها یا ترتیب پیکسل ها را تغییر می دهد که در تصاویر زیر مشاهده
می شود تصویر پردازش شده به حالت کروی در آمده است
Frame Process (d
این روش پردازش تصویر با مخلوط (combine) کردن دو یا چند تصویر با یکدیگر تصویر جدیدی به وجود می آورد که
در تصاویر زیر مشاهده می شود
Value:
Pixel Value مقدار درخشندگی
هر پیکسل را نشان می دهند. به عنوان مثال برای تصاویر دودوئی (Pixel Value (Binary imageیک بیت بوده که نشان دهنده پیش نما یا
پس نما (0،1) است. برای یک عکس grayscale (خاکستری) Pixel Value یک عدد تک رقمی است که نشان دهنده درخشندگی یا رنگ هر پیکسل است.
عمومی ترین Pixel Value برای تصاویر،
تصاویر بایتی است که Pixel Value به 8 بیت می رسد
که اعداد از 0 تا 255 تغییر می کنند 0 برای سیاه و 255 برای سفید و رنگ های دیگر
را مابین این اعداد می توان به وجود آورد.
جدول زیر برخی از Pixel Valueها را نشان می دهد
کاربردهای پردازش تصویر:
الف)
کاربردهای صنعتی مانند کنترل کیفیت بسته بندی دارو در یک شرکت داروسازی
ب) کاربردهای امنیتی مانند تشخیص حرکت، تشخیص اثر انگشت، تشخیص چهره، تشخیص دست خط
یا امضا
ج) کاربردهای پزشکی مانند ارتقای ویژگی های تصاویر اشعه X ، تولید تصاویر MRI از مغز و یا
تصاویر مربوط به CTScan
د) کاربردهای نظامی مانند تشخیص و هدف یابی خودکار اهداف متحرک یا ثابت توسط موشک
های هوا به زمین
کاربرد پردازش تصویر در زمینههای مختلف:
امروزه با پیشرفت سیستمهای تصویر برداری و الگوریتمهای پردازش تصویر شاخه جدیدی در
کنترل کیفیت و ابزار دقیق به وجود آمدهاست.و هر روز شاهد عرضه سیستمهای تصویری
پیشرفته برای سنجش اندازه، کالیبراسیون، کنترل اتصالات مکانیکی، افزایش کیفیت
تولیدو........هستیم.
اتصالات پیکسل ها در تصاویر:
اتصال بین پیکسل ها مفهوم مهمی است که در تعیین مرز اشیا با اجزای نواحی
تصاویر استفاده می شود. جهت تعیین اتصال بین دو پیکسل باید نوع همسایگی پیکسل ها
مشخص گردد. به عنوان مثال، آیا همسایه ها چهار گانه هستند و آیا سطوح خاکستری آنها
معیار شباهت مشخص شده ای را برآورده می کنند؟
برای مثال در تصاویر دودوئی با مقادیر صفر و یک ممکن است دو پیکسل، همسایه چهار
گانه باشند اما متصل گفته نمی شوند مگر اینکه دارای مقادیر یکسانی باشند.
اتصالات پیکسل ها، تعیین کنندۀ اتصال هر پیکسل با پیکسل مجاور و همچنین نوع
اتصالات هر پیکسل می باشد. به تنظیمات گروهی پیکسل ها و اتصالات آنها در تصاویر
دودوئی، Object یا Connected component گفته می شود.
انواع تصویر
الف)تصاویر Binary (دودوئی)
این دسته از تصاویر تنها دارای دو ارزش مجزا می باشند، که شامل یک آرایۀ منطقی به
صورت 0 با عنوان Off Pixel و آرایه منطقی
دیگری به صورت 1 با عنوان On Pixel می باشد، که نحوۀ نمایش این دسته از تصاویر به صورت زیر می باشد:
ب) تصاویر grayscale
فرمت این دسته از تصاویر به صورت خاکستری است
ج) تصاویر RGB
فرمت این دسته از تصاویر به صورت رنگی است
چگونگی تشکیل رنگ در چشم انسان:
منحنی حساسیت چشم برای مشاهده کنندۀ استاندارد در مقابل دریافت نور رنگی به صورت
شکل زیر می باشد
در واقع جهت مشاهده ودرک هر رنگ، سه
انرژی جداگانه مربوط به سه رنگ اصلی دریافت شده و از ترکیب آنها با یکدیگر رنگ
تصویر ایجاد می شود. هر سیستم گیرنده، منحنی حساسیت رنگی مختص به خود را دارد لذا
ترکیب سه انرژی رنگی (R(x,yانرژی رنگ قرمز، (G(x,y انرژی رنگ سبز و
(B(x,y انرژی رنگ آبی
باعث ایجاد رنگ می شود.
بدین ترتیب جهت مشخص نمودن هر تصویر رنگی باید از سه ماتریس جهت مقادیر قرمز، سبز
و آبی برای هر پیکسل استفاده کنیم. رنگ هر پیکسل توسط ترکیب سه رنگ اصلی در سه
ماتریس داده شده به دست می آید.
طیف رنگ ها را نسبت به طول موج می توان در شکل زیر مشاهده کرد:
پردازش تصاویر رنگی:
استفاده از رنگ در پردازش تصاویر دو انگیزه اصلی دارد:
دلیل اول تحلیل خودکار تصویر: رنگ، توصیف گر توانایی است که در اغلب موارد شناسایی
و استخراج شئ از صحنه را ساده تر می کند.
دلیل دوم در مواردی که تحلیل تصویر به وسیله انسان انجام می شود چشم انسان قادر
است هزاران سایه و شدت رنگ را، در مقایسه با حدود 24 سایه خاکستری تشخیص دهد.
پردازش تصویر رنگی در حوزۀ اصلی به دو دسته تقسیم می شود: پردازش تمام رنگی و شبه
رنگی که در گروه اول تصاویر مورد نظر معمولاً با یک Sensor تمام رنگی نظیر
دوربین تلویزیون رنگی با پیمایش گر رنگی (color
scanner) برداشته می شود در گروه دوم به هر
شدت تک رنگ خاص یا محدوده ای از شدت ها یک سایه رنگی منتسب می شود.
انواع مدل رنگ:
هدف از انتخاب مدل رنگ تسهیل مشخص سازی رنگ ها در یک استاندارد است که معمولاً روش
مورد قبولی می باشد در اصل مدل رنگ تعیین یک سامانۀ مختصات سه بعدی و زیر فضای
درون آن سامانه است که در آن سامانه هر رنگ تنها با یک پیکسل بیان می شود.
بیشتر مدل های رنگی که اکنون استفاده می شوند به سمت سخت افزار (مانند مانیتور و
چاپگرهای رنگی) یا کاربردهایی گرایش دارند که هدف آنها کار با رنگ است مانند تولید
گرافیک های رنگی برای انیمیشن.
عمومی ترین مدل های سخت افزار گرا عبارت
اند از:
مدل RGB (قرمز، سبز، آبی)
برای نمایشگرهای رنگی و یک گروه وسیع از دوربین های رنگی، مدل CMY (آبی فیروزه ای،
بنفش، زرد) برای چاپگرهای رنگی و مدل YIQ که یک استاندارد پخش تلویزیون رنگی است. در اين مدل Y متناظر با
لومیناتوس است، I و Q دو مؤلفۀ رنگ
هستند که به ترتیب هم فاز (Inphase) و متعامد (Quadrature) خوانده می شود. مدل HIS (اصل رنگ، اشباع، مقدار) از مدل هایی هستند که به طور مکرر برای
کار با تصویر رنگی استفاده می شوند.
مدل های رنگی YIQ , RGB و HIS متداول ترین مدل
هایی هستند که برای پردازش تصویر استفاده می شوند.
مدل رنگ RGB:
این مدل برساس سامانه مختصات کارتزین است. زیر فضای رنگی مورد علاقه، مکعب تصویر
زیر می باشد ، که درآن مقادیر RGB در سه گوشه، آبی فیروزه ای، بنفش، و زرد در سه گوشه دیگر، سیاه در
مبدأ و سفید در دورترین گوشه از مبدأ قرار دارد.
در این مدل محدوده خاکستری از سیاه تا سفید در طول خط واصل این دو نقطه قرار دارد
و سایر رنگ ها نیز نقاطی در روی یا درون مکعب هستند، که با بردارهایی که از مبدأ
می گذرد تعریف می شوند. برای تسهیل مدل،فرض بر این است که تمام مقادیر رنگ تراز
شده اند طوری که مکعب تصویر زیر مکعب واحد باشد، یعنی فرض می شود که تمام مقادیر G , R و B در محدوده [1,0]
قرار دارند
هر تصویر در مدل رنگ RGB سه صفحه مستقل
دارد که هر صفحه برای رنگ اولیه می باشد. وقتی این سه صفحه به نمایشگر RGB داده شوند، روی
صفحه فسفری ترکیب می شوند تا یک تصویر رنگی از مدل RGB جهت پردازش تصویر
معنا می یابد. همچنین اغلب دوربین های رنگی که برای تصویر برداری دیجیتالی به کار
می روند از این قالب استفاده می کنند که این موضوع خود به تنهایی مدل RGB را مدل مهمی در
مبحث پردازش تصویر می سازد. یکی از بهترین مثال های کاربرد مدل RGB پردازش داده های
چند فریمی (frame) هوایی یا
ماهواره ای است.
مدل رنگ CMY:
فیروزه ای، بنفش و زرد رنگ های ثانویه نوری یا رنگ های اولیه مادی هستند. برای
مثال وقتی بر سطح پوشیده از ماده رنگی فیروزه ای، نور سفید تابیده می شود هیچ نور
قرمزی از آن منعکس نمی شود یعنی فیروزه ای نور قرمز را از نور سفید تفریق می کند
بیشتر وسایلی که مواد رنگی را بر روی کاغذ می نشانند، نظیر چاپگرها و کپی برداری
های رنگی به داده های CMY نیاز دارند یا
این که در داخل خود، داده های RGB را به CMY تبدیل می کنند که با رابطه زیر این عمل امکان پذیر می شود فرض بر
این است که تمام مقادیر رنگی در محدوده [0,1] تراز شده اند
مدل رنگ YIQ:
این مدل درپخش عمومی تلویزیون رنگی تجارتی استفاده می شود. در واقع YIQ تغییر تصویر RGB به منظور افزایش
بازده انتقال و حفظ سازگاری با استانداردهای تلویزیون تک رنگ می باشد. مولفۀ Y تمام اطلاعات
ویدیوئی مورد نیاز تلویزیون تک رنگ می باشد تبدیل RGB به YIQ به صورت زیر
تعریف می شود
جهت به دست آوردن مقادیر RGB از مقادیر YIQ به عرض باند (یا در حالت دیجیتالی) بیشتری برای نمایش Y وعرض باند (یا
بیت ها) کمتری برای نمایش I و Q نیاز دارد.
مزیت اصلی مدل YIQ در پردازش تصویر
ناشی از خاصیتی است که اطلاعات لومیناتوس (Y) و اطلاعات رنگی I و Q ناهمبسته (Decoupled) هستند.
مدل رنگ HIS:
اصل رنگ است، که رنگ خالص را توصیف می کند (زرد، نارنجی یا قرمز خالص) در حالی که
اشباع میزانی که یک رنگ خالص با نور سفید ترقیق شده است، را می دهد. سودمندی مدل
رنگ HIS مدیون دو عامل
اصلی است:
الف)مؤلفۀ شدت I از اطلاعات رنگ
تصویر مجزا است.
ب)مؤلفه های اصل رنگ و اشباع، رابطۀ نزدیکی با روش دریافت رنگ توسط انسان دارند.
این ویژگی ها، مدل HIS را به ابزار ایده
آلی برای تولید الگوریتم های پردازش تصویر که مبتنی بر بعضی خواص احساس رنگ سامانۀ
بینایی انسان هستند، تبدیل می کند.
فشردهسازی تصاویر :
برای ذخیرهسازی تصاویر باید حجم اطلاعات را تا جایی که ممکن است کاهش داد و اساس
تمام روشهای فشردهسازی کنار گذاردن بخشهایی از اطلاعات و دادهها است.
ضریب یا نسبت فشردهسازی است که میزان و در صد کنار گذاشتن اطلاعات را مشخص میکند.
این روش ذخیرهسازی و انتقال اطلاعات را آسانتر میکند و پهنایباند و فرکانس
مورد نیاز کاهش مییابد.
امروزه روشهایی متعدد و پیشرفته برای فشردهسازی وجود دارد. فشردهسازی تصویر از
این اصل مهم تبعیت میکند که چشم انسان حد فاصل دو عنصر تصویری نزدیک به هم را
یکسان دیده و تمایز آنها را نمیتواند تشخیص دهد. همچنین اثر نور و تصویر برای مدت
زمان معینی در چشم باقی مانده و از بین نمیرود که این ویژگی در ساخت تصاویر متحرک
مورد توجه بودهاست.
* روش JPEG
نام این فرمت در واقع مخفف کلمات JOINT PHOTOGRAPHIC EXPERT GROUP است. از
این روش در فشردهسازی عکس و تصاویر گرافیکی ساکن استفاده میشود JPEG اولین و
سادهترین روش در فشردهسازی تصویر است به همین دلیل در ابتدا سعی شد برای فشردهسازی
تصاویر متحرک مورد استفاده قرار گیرد. برای این منظور تصاویر به صورت فریم به فریم
مانند عکس فشرده میشدند وبا ابداع روش MOTION JPEG برای
ارتباط دادن این عکسها به هم تلاش شد که با مشکلاتی همراه بود.
* روش MPEG
نام این فرمت مخفف عبارت MOVINGPICTURE
EXOERT GROUP است. این روش در ابتدای سال ۹۰ ابداع شد و در آن اطلاعات تصویر با سرعت حدود ۵/۱ مگابیت بر ثانیه انتقال پیدا میکرد که در تهیه تصاویر
ویدئویی استفاده میشد. با این روش امکان ذخیره حدود ۶۵۰ مگابایت اطلاعات معادل حدود ۷۰دقیقه
تصویر متحرک در یک دیسک به وجود آمد. در MPEG بیتهای اطلاعات
به صورت سریال ارسال میشوند و به همراه آنها بیتهای کنترل و هماهنگکننده نیز
ارسال میشوند که موقعیت و نحوه قرارگیری بیتهای اطلاعاتی را برای انتقال و ثبت
اطلاعات صدا و تصویر تعیین میکند.
* روش MP۳
MP۳ نیز روشی برای فشرده سازی اطلاعات
صوتی به ویژه موسیقی است که از طریق آن حجم زیادی از اطلاعات صوتی در فضای نسبتاً
کوچکی ذخیره میشود.
* روش MPEG۲
در روش MPEG۲ از ضریب فشردهسازی بالاتری استفاده
میشود و امکان دسترسی به اطلاعات ۳ تا ۱۵ مگابیت بر ثانیهاست از این روش در دیویدیهای امروزی
استفاده میشود در اینجا نیز هر فریم تصویری شامل چندین سطر از اطلاعات دیجیتالی است.
* روش MPEG ۴
از این روش برای تجهیزاتی که با انتقال سریع یا کند اطلاعات سرو کار دارند استفاده
میشود. این روش توانایی جبران خطا و ارائه تصویر با کیفیت بالا را دارد. مسئله خطا
و جبران آن در مورد تلفنهای همراه و کامپیوترهای خانگی و لپتاپها و شبکهها از
اهمیت زیادی برخوردار است. در شبکههای کامپیوتری باید تصویر برای کاربرانی که از
مودمهای سریع یا کند استفاده میکنند به خوبی نمایش داده شود، در چنین حالتی روش MPEG
۴ مناسب است. از این روش در دوربینهای تلویزیونی نیز استفاده
میشود. ایده اصلی این روش تقسیم یک فریم ویدئویی به یک یا چند موضوع است که مطابق
قاعده خاصی کنار هم قرار میگیرند مانند درختی که از روی برگهای آن بتوان به شاخه
تنه یا ریشه آن دست یافت. هر برگ میتواند شامل یک موضوع صوتی یا تصویری باشد. هر
کدام از این اجزا به صورت مجزا و جداگانه قابل کپی و یا انتقال هستند. این تکنیک
را با آموزش زبان میتوان مقایسه کرد.
همانطوریکه در آموزش زبان کلمات به صورت مجزا و جداگانه قرار داده میشوند و ما
با مرتب کردن آن جملات خاصی میسازیم و میتوانیم در چند جمله، کلمات مشترک را فقط
یکبار بنویسیم و هنگام مرتب کردن آنها به کلمات مشترک رجوع کنیم، در اینجا هم هر
یک از این اجزا یک موضوع خاص را مشخص میکند و ما میتوانیم اجزا مشترک را فقط یکبار
به کار ببریم و هنگام ساختن موضوع به آنها رجوع کنیم. هر یک از موضوعات هم میتوانند
با موضوعات دیگر ترکیب و مجموعه جدیدی را بوجود آورند. این مسئله باعث انعطافپذیری
و کاربرد فراوان روش MPEG۴ میشود. برای مثال به صحنه بازی تنیس
توجه کنید. در یک بازی تنیس میتوان صحنه را به دو موضوع بازیکن و زمین بازی تقسیم
کرد زمین بازی همواره ثابت است بنا بر این بعنوان یک موضوع ثابت همواره تکرار میشود
ولی بازیکن همواره در حال حرکت است و چندین موضوع مختلف خواهد بود. این مسئله سبب
کاهش پهنای باند اشغالی توسط تصاویر دیجیتالی میشود. توجه داشته باشید که علاوه بر
سیگنالهای مربوط به این موضوعات سیگنالهای هماهنگ کنندهای هم وجود دارند که
نحوه ترکیب و قرارگیری صحیح موضوعات را مشخص میکند.
تصاویر رقومی(دیجیتالی):
تصاویر سنجش شده که از تعداد زیادی مربعات کوچک(پیکسل) تشکیل شدهاند. هر پیکسل دارای
یک شماره رقمی(Digital Number) میباشد که
بیانگر مقدار روشنایی آن پیکسل است. به این نوع تصاویر، تصاویر رستری هم
میگویند.تصاویر رستری دارای سطر و ستون میاشند.
مقادیر پیکسلها:
مقدار انرژی مغناطیسی که یک
تصویر رقومی به هنگام تصویر برداری کسب میکند، رقمهای دوتایی(Digit
binary) یا بیت ها(Bits) را تشکیل
میدهند که از قوه صفر تا ۲ ارزش
گذاری شدهاست.هر بیت، توان یک به قوه ۲ (۱بیت=۲۱)میباشد.
حداکثر تعداد روشنایی بستگی به تعداد بیتها دارد. بنابراین ۸ بیت یعنی ۲۵۶ شماره
رقومی که دامنهای از ۰ تا ۲۵۵ دارد.به همین دلیل است که وقتی شما تصویر رستری از گیرنده
خاصی مانند TM را وارد [[نرم افزار]]ی میکنید تغییرات
میزان روشنایی را بین ۰ تا ۲۵۵ نشان میدهد.
دقت تصویر:
دقت تصویر بستگی به شماره پیکسلها دارد.با یک تصویر ۲ بیتی، حداکثر دامنه روشنایی ۲۲ یعنی ۴ میباشد
که دامنه آن از ۰ تا ۳ تغییر میکند.در این حالت تصویر دقت (تفکیک پذیری لازم) را
ندارد.تصویر ۸ بیتی حداکثر دامنه ۲۵۶ دارد و تغییرات آن بین ۰ تا ۲۵۵ است.که
دقت بالاتری دارد
اتوماسیون صنعتی:
با استفاده از تکنیکهای پردازش تصویر میتوان دگرگونی اساسی در خطوط تولید ایجاد کرد.
بسیاری از پروسههای صنعتی که تا چند دهه پیش پیاده سازیشان دور از انتظار بود، هم
اکنون با بهرگیری از پردازش هوشمند تصاویر به مرحله عمل رسیدهاند. از جمله منافع
کاربرد
کالیبراسیون و ابزار دقیق:
اندازه گیری دقیق و سنجش فواصل کوچک یکی از دقدقههای اصلی در صنایع حساس میباشد.دوربینهای
با کیفیت امکان کالیبراسیون با دقت بسیار بالا در حد میکرون را فراهم آوردهاند.
حمل و نقل:
* تشخیص شماره پلاک خودرو
* نرم افزار شمارش خودروهای عبوری از عرض خیابان
بی شک یکی از مؤثر ترین مولفهها در مدیریت و برنامه ریزی دسترسی به آمار دقیق میباشد.
درصورت وجود آمار دقیق و سریع میتوان از روشهای کنترل بهینه استفاده کرد و بهره
وری را افزایش داد. به عنوان مثال اگر آمار دقیقی از میزان مصرف یک محصول غذایی
وجود داشته باشد با برنامه ریزی مناسب میتوان زمینه تولید و عرضه اصولی آن را فراهم
کرد. لذا احتمال نابسامانی در بازار و متضرر شدن کشاورز و مصرف کننده کاهش مییابد.
چنان که بیان شد مهمترین فاکتور در برنامه ریزی دسترسی به آمار مناسب است اما تهیه
آمار فرایند پیچیده و وقت گیر است و معمولا هزینه زیادی را در بر دارد. به عنوان
مثال به دلایلی از جمله کنترل ترافیک یا کنترل میزان روشنایی خیابان باید خودروهای
عبوری از خیابان شمارش شوند. این کار اگر به صورت دستی یا انسانی انجام شود، هزینه
زیادی نیاز دارد، امکان سهل انگاری انسانی نیز وجود دارد پس استفاده از یک دستگاه
مناسب که توانایی شمارش خودروهای عبوری را داشته باشد تنها گزینه ممکن است. با
توجه به نیاز فوق نرم افزاری تهیه شدهاست که با استفاده از تصاویر گرفته شده از
عرض خیابان خودروهای عبوری را تشخیص میدهد و تعداد آنها را شمارش میکند. این نرم
افزار امکان استفاده در روز یا شب را دارا میباشد. شمایی از این نرم افزار در زیر
نشان داده شدهاست.
هنگامی که داده های سنجش از دور به
فرمت رقومی(Digital) باشند،
میتوان با استفاده از کامپیوتر ،پردازش و تجزیه و تحلیل های رقومی
انجام داد.این پردازش برای افزایش کیفیت داده ها و تفسیر های
چشمی انجام میگیرد.همچنین میتوان موضوع یا اطلاعات به خصوصی
را از تصویر به دست آورد که همگی به صورت خودکار توسط کامپیوتر انجام میگیرد.
تصاویر آنالوگ:
تصاویری مانند عکس های هوایی که توسط سیستم های
عکس برداری (دوربین) به دست میآیند.از آنجایی که در این عکس ها از فیلم عکاسی
استفاده شده است،پس هیچ پردازشی نیاز ندارد.
تصویر آنالوگ (عکس هوایی که نیاز به اصلاح و پردازش ندارد)
تصاویر رقومی(دیجیتالی):
تصاویر سنجش شده که از تعداد زیادی مربعات کوچک(پیکسل) تشکیل شده اند.
هر پیکسل دارای یک شماره رقمی(Digital Number) میباشد
که بیانگر میزان
روشنایی آن پیکسل است.
به این نوع تصاویر ، تصاویر رستری هم میگویند.تصاویر رستری دارای سطر و
ستون میاشند.
تصویر بالا(رقومی) .پایین و سمت چپ(پیکسلها).سمت راست و پایین(شماره های هر پیکسلDNِ)
مقادیر پیکسلها:
مقدار انرژی مغناطیسی که یک تصویر رقومی به هنگام تصویر برداری کسب
میکند،رقم های دوتایی(Digit binary) یا بیت ها(Bits) را
تشکیل میدهند که از قوه
صفر تا 2 ارزش گذاری شده است.هر بیت ، توان یک به قوه 2 (1بیت=21)میباشد.
حداکثر تعداد روشنایی بستگی به تعداد بیت ها دارد.
بنابراین 8 بیت یعنی 256 شماره رقومی که دامنه ای از 0 تا 255 دارد.به همین
دلیل است که وقتی شما تصویر رستری از سنجنده خاصی مانند TM را وارد
نرم
افزاری میکنید تغییرات میزان روشنایی را بین 0 تا 255 نشان میدهد.
دقت تصویر:
دقت تصویر بستگی به عدد پیکسل ها دارد.با یک تصویر ۲ بیتی ، حداکثر
دامنه روشنایی ۲۲ یعنی ۴ میباشد که دامنه آن از ۰تا ۳ تغییر میکند.در این
حالت تصویر دقت (تفکیک پذیری لازم) را ندارد.تصویر ۸ بیتی حداکثر
دامنه ۲۵۶ دارد و تغییرات آن بین ۰ تا ۲۵۵ است .که
دقت بالاتری دارد.
دقت تصویر 3 بیتیدقت تصویر 8 بیتی
ترمیم تصویر(Image restoration):
در بیشتر تصاویری که توسط ماهواره ها یا رادار ها ثبت میگردند ، اختلالاتی در
تصویر به وجود میاید که به دلیل خش میباشد.
دو اختلال مهم در تصاویر چند باندی ، نواری شدن (Banding) و خطوط
از جا
افتاده میباشد.
نواری شدن(باندی شدن):
اشتباهی که توسط سنجنده ، در ثبت و انتقال داده ها روی میدهد.و یا تغییر پیکسل
در بین ردیف ها میتواند باعث ایجاد چنین اشتباهی گردد.
خطوط از جا افتاده ( خطا در تصویر)
اشتباهی که در ثبت و انتقال داده ها روی میدهد و در نتیجه، یک ردیف پیکسل در عکس
از بین میرود.
باندی شدننبود یک ردیف پیکسل در تصویر
بالا
بردن دقت عکس:
یکی از کار های مهمی که در پردازش تصویر انجام میگردد، بالا بردن دقت عکس
به منظور دید و تفسیر چشمی دقیق تر میباشد.روش های بسیاری برای نیل به این
هدف وجود دارد ولی مهمترین آنها ، افزایش تباین(Contrast) تصویر و
عملیات
فیلتر کردن میباشد.
هیستوگرام تصویر:
در هر تصویر رقومی ، مقادیر پیکسل ها بیانگر خصوصیات آن تصویر(مانند میزان
روشنایی تصویر و وضوح آن) میباشد.هیستوگرام تصویر در حقیقت بیان گرافیکی
میزان روشنایی تصویر میباشد.
مقادیر روشنایی( برای مثال 0-255) در طول محور X بیان شده
و میزان فراوانی
هر مقدار در محور Y بیان میگردد.
تصویر 8 بیتی(0-255) در بالا و هیستوگرام مقادیر پیکسل تصویر در پایین .
محور افقی بین 0-255 و محور قائم ، تعداد پیکسل ها میباشد.
افزایش تباین از طریق امتداد اعداد ( DN) پیکسلها :
معمولا دامنه مقادیر پیکسل های تصاویر با هر بیتی ( در اینجا مثلا 8 بیت)،
بین 0-255 نمیباشد .و مثلا بین 48 تا 153 میباشد . برای افزایش تباین ، مقادیر
پیکسل ها را آنقدر امتداد میدهیم تا 48 به جای 0 و 153 به جای 256 قرار گیرد .
در نتیجه تباین وهمچنین کیفیت عکس بالا میرود. به این عمل کشش خطی گویند.
مقادیر پیکسل تصویر اصلی (در بالا) و تصویر کشیده شده (در پایین).
پردازش تصویر به شرح
زیر است.
* افزایش سرعت و کیفیت تولی
* کاهش ضایعات
* اصلاح روند تولید
* گسترش کنترل کیفیت
مطالب مشابه :
پردازش تصوير چيست؟
پردازش تصوير چيست؟ از سال 1964 تاكنون، موضوع پردازش تصوير، رشد فراواني كرده است. علاوه بر
آموزش پردازش تصوير
آموزش پردازش تصوير - image processing. تو این سلسه مقالات قصد دارم پردازش تصویر رو در قالب یک پروژه
پردازش تصویر(Image Proccessing)
پردازش تصوير چيزي جز انجام عمليات محاسباتي بر روي مقادير رنگ پيكسلها نيست. برنامه پردازش
آموزش پردازش تصوير(1) - IMAGE PROCESSING
آموزش پردازش تصوير(۱) image processing. خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش
پردازش تصویر
تعریف کلی پردازش انواع پردازش تصوير: برای پردازش تصویر روش های مختلفی وجود دارد که 4
آموزش پردازش تصوير(1) - IMAGE PROCESSING
آموزش پردازش تصوير(۱) image processing. خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش
پردازش تصویر
سفارش انجام پروژه های متلب - پردازش تصویر - سفارش انجام پروژه های متلب ، پروژه آماده متلب
برچسب :
پردازش تصوير