پردازش تصوير
پردازش تصوير چيست؟
پردازش تصوير چيست؟<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" /> از سال 1964 تاكنون، موضوع پردازش تصوير، رشد فراواني كرده است. علاوه بر برنامه تحقيقات فضايي، اكنون از فنون پردازش تصوير، در موارد متعددي استفاده مي شود. گر چه اغلب اين مسائل با هم نامرتبط هستند، اما عموما نيازمند روش هايي هستند كه قادر به ارتقاي اطلاعات تصويري براي تعبير و تحليل انسان باشد. براي نمونه در پزشكي شيوه هاي رايانه اي Contrast تصوير را ارتقا مي دهند يا اين كه براي تعبير آسانتر تصاوير اشعه ايكس يا ساير تصاوير پزشكي، سطوح شدت روشنايي را با رنگ، رمز مي كنند. متخصصان جغرافيايي نيز از اين روش ها يا روش هاي مشابه براي مطالعه الگوهاي آلودگي هوا كه با تصوير برداري هوايي و ماهواره اي بدست آمده است، استفاده مي كنند. در باستان شناسي نيز روش هاي پردازش تصوير براي بازيابي عكس هاي مات شده اي كه تنها باقي مانده آثار هنري نادر هستند، مورد استفاده قرار مي گيرد. در فيزيك و زمينه هاي مرتبط، فنون رايانه اي بارها تصاوير آزمايش هاي مربوط به موضوعاتي نظير پلاسماهاي پرانرژي و تصاوير ريزبيني الكتروني را ارتقا داده اند. كاربردهاي موفق ديگري از پردازش تصوير را نيز مي توان در نجوم، زيست شناسي، پزشكي هسته اي، اجراي قانون، دفع و صنعت بيان كرد. در اوايل دهه 60 سفينه فضايي رنجر 7 متعلق به ناسا شروع به ارسال تصاوير تلويزيوني مبهمي از سطح ماه به زمين کرد. استخراج جزئيات تصوير براي يافتن محلي براي فرود سفينه آپولو نيازمند اعمال تصميماتي روي تصاوير بود. اين کار مهم به عهده لابراتوار (JPL) Jet Propulsionقرار داده شد. بدين ترتيب زمينه تخصصي پردازش تصاوير رقومي آغاز گرديد و مثل تمام تکنولوژي های ديگر سريعاً استفاده هاي متعدد پيدا کرد. كاربردهاي پردازش تصوير: ابتدايي ترين کاربردهاي پردازش تصاوير رقومي در دهه 60 و70 جنبه هاي نظامي و جاسوسي بود که باعث شد نياز به تصاوير با کيفيت بالاتر بوجود آيد. پس از آن مصارف ديگري براي تصاوير رقومي سطح زمين پيدا شد که کاربرد تصاوير چند طيفي (Multi Spectral) در کشاورزي و جنگل داري از آن جمله است. همچنين با استفاده از تصاوير رقومي عملياتهايي مثل کنکاش نفت در سرزمين هاي دور افتاده و يا رديابي منابع آلودگي شهري از داخل دفتر کار متخصصين آنها انجام شد. بزودي کاربردهاي زميني زيادتري براي پردازش تصاوير رقومي پيدا شد . از اواسط دهه 70 تا اواسط دهه 80 اختراع اسکنر ها ي CATيا (ComputerizedArialTopography) و اسکنر هاي MRIيا (MagneticResonanceImagery)پزشکي را متحول کردند. صنعت چاپ استفاده کننده بعدي بود. در اواخر دهه 80 پردازش تصاوير رقومی وارد دنياي سرگرمي شد بطوريکه امروزه اين نقش ...
آموزش پردازش تصوير
آموزش پردازش تصوير - IMAGE PROCESSING تو این سلسه مقالات قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...کار کنیم که در مقالات آینده به ترتیب با دستورات موجود در این پکیجها آشنا خواهیم شد و پروژه خودمون رو کامل می کنیم. در پست بعدی (۳یا ۴ روز دیگه) کار با جعبه ابزار Image processing که شرین ترین بخش پروژه هست رو شروع می کنم. خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...خوب دوستان ما پروژه خودمون رو (ربات مسیریاب توسط پردازش تصویر) به چند بخش تقسیم می کنیم و هر بخش رو بصورت مجزا آموزش میدم. این ربات توسط یک دوربین فیلم برداری ساده مثل وبکم کامپیوتر و یا حتی سادتر٬ بطور مکرر از مسیر تصاویری تهیه تولید می کنه (پایان مرحله اول) در مرحله بعدی این تصاویر پردازش و مسیر حرکت ربات از اطلاعات بدست آمده از آنها استخراج می شود (پایان ...
پردازش تصویر(Image Proccessing)
يك Bitmap آرايه اي دو بعدي از رنگها است. اين آرايه در حافظه ذخيره مي شود و زماني كه يك تصوير در فرم يا جعبه عكس نمايش داده ميشود هر يك از مقادير رنگ به يك پيكسل در تصوير برگردانده مي شود.و البته اين زماني درست است كه اندازه ي عكس را تغيير ندهيم كه در اين صورت تصوير به حالت يك به يك برگردانده ميشود. پردازش تصوير چيزي جز انجام عمليات محاسباتي بر روي مقادير رنگ پيكسلها نيست. برنامه پردازش تصويري كه در ادامه توضيح داده ميشود ويژگيهاي يك برنامه پردازش تصوير حرفه اي را ندارد ولي قانون اصلي آن را بيان مي كند و مي تواند نقطه آغاز براي آن باشد. پردازش تصاوير با دوحالقه تو در تو ممكن ميشود كه به ترتيب نشانگر ريف و ستون Bitmap شما مي باشد.در حلقه ي داخلي محاسباتي روي پيكسل(row,column ( و پيكسل هاي مجاور تا شعاع مشخص انجام مي شود و نتيجه ي آن تشخيص ويژگي خاص يا تغيير رنگ پيكسل اصلي است.به اين تر تيب ممكن است هر پيكسل يك يا چند بار برسي شود. For pxlCol As Integer = 0 To PictureBox1.Image.Height - 1 For pxlRow As Integer = 0 To PictureBox1.Image.Width - 1 ’ محاسبات مربط به پردازش پيكسل جاري ’ (pxlRow, pxlCol) Next Next Negative (معكوس كردن رنگ) براي اين كار تمامي رنگهاي تصوير بايد به مكمل آن برگردانده شود به تصوير حاصل Negative عكس ميگويند . مكمل رنگ (r,g,b) رنگ (255-a,255-g,255-b) مي باشد بنابراين مكمل رنگ سياه (0,0,0) رنگ سفيد (255,255,255) مي شود.برنامه به شكل زير است.براي تمامي برنامه هاي زير يك جعبه عكس و دكمه دستور با نامهاي پيش فرض.در ضمن در جعبه عكس قبل از اجرا يك عكس دلخواه قرار دهيد. Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click Dim bmp As New Bitmap(PictureBox1.Image) Dim c As Color PictureBox1.Image = bmp For pxlCol As Integer = 0 To PictureBox1.Image.Height - 1 For pxlRow As Integer = 0 To PictureBox1.Image.Width - 1 c = bmp.GetPixel(pxlRow, pxlCol) bmp.SetPixel(pxlRow, pxlCol, Color.FromArgb(c.A, 255 - c.R, 255 - c.G, 255 - c.B)) Next Next End Sub Smooth براي كاهش جزئيات عكس به كار مي رود و لبه هاي زبر عكس را نرم ميكند. تصوير حاصله با تصوير قديم تفاوت چنداني نمي كند وبه آن شبيه است جز اينكه جزءيات آن كم ميشود.براي اين كار بايد اختلاف رنگ پيكسلهاي مجاور كاهش يابد. براي اين منظور براي هر پيكسل در اطراف آن يك مربع 3*3 را در نظر مي گيريم به طوري كه پيكسل مورد نظر در وسط باشد . سپس رنگ تمامي اين 9 پيكسل ميانگين گرفته شده ودر پيكسل وسط قرار مي گيرد.براي اين مي توان مربع 5*5 يا بيشتر را انتخاب كرد .در برنامه زير پيكسل هاي مرزي چون همه ي همسايه ها را ندارد ثابت مي گذاريم تا برنامه ساده باشد. وچون تصوير تغيير خواهد كرد براي محاسبات ...
آموزش پردازش تصوير(1) - IMAGE PROCESSING
آموزش پردازش تصوير(۱) IMAGE PROCESSING خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...کار کنیم که در مقالات آینده به ترتیب با دستورات موجود در این پکیجها آشنا خواهیم شد و پروژه خودمون رو کامل می کنیم. در پست بعدی (۳یا ۴ روز دیگه) کار با جعبه ابزار Image processing که شرین ترین بخش پروژه هست رو شروع می کنم. خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...خوب دوستان ما پروژه خودمون رو (ربات مسیریاب توسط پردازش تصویر) به چند بخش تقسیم می کنیم و هر بخش رو بصورت مجزا آموزش میدم. این ربات توسط یک دوربین فیلم برداری ساده مثل وبکم کامپیوتر و یا حتی سادتر٬ بطور مکرر از مسیر تصاویری تهیه تولید می کنه (پایان مرحله اول) در مرحله بعدی این تصاویر پردازش و مسیر حرکت ربات از اطلاعات بدست آمده از آنها استخراج ...
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 دهدآشنایی 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 تصویر1. 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 ...
آموزش پردازش تصوير(1) - IMAGE PROCESSING
آموزش پردازش تصوير(۱) IMAGE PROCESSING خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...کار کنیم که در مقالات آینده به ترتیب با دستورات موجود در این پکیجها آشنا خواهیم شد و پروژه خودمون رو کامل می کنیم. در پست بعدی (۳یا ۴ روز دیگه) کار با جعبه ابزار Image processing که شرین ترین بخش پروژه هست رو شروع می کنم. خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله: جعبه ابزار Image processing جعبه ابزار Image Acquisition جعبه ابزار Data Acquisition ...خوب دوستان ما پروژه خودمون رو (ربات مسیریاب توسط پردازش تصویر) به چند بخش تقسیم می کنیم و هر بخش رو بصورت مجزا آموزش میدم. این ربات توسط یک دوربین فیلم برداری ساده مثل وبکم کامپیوتر و یا حتی سادتر٬ بطور مکرر از مسیر تصاویری تهیه تولید می کنه (پایان مرحله اول) در مرحله بعدی این تصاویر پردازش و مسیر حرکت ربات از اطلاعات بدست آمده از آنها استخراج ...
پردازش تصویر
میتوان با نصب دوربین رنگی روی ربات خود و بوسیله دستورات وبتز تصاویر را دریافت کرد ، سپس این تصاویر را با برنامه نویسی در محیط وبتز به زبان متلب پردازش نمود. مثلا لبه های آن را یافت یا مقدار رنگ آبی و قرمز و سبز تصویر را تشخیص داد. چنین مثالی همراه خود نرم افزار متلب در پوشه sample و سپس package وجود دارد. در زیر تصویر این ربات و پنجره پردازش در متلب را می بینیم:https://plus.google.com/photos/104208706472758005048/albums/5827001677745242657/5827001680786778114?authkey=CPmsuMLC_dmueA