Johdanto digitaaliseen kuvankäsittelyyn
Digitaalinen kuvankäsittely on prosessi kuvankäsittelyalgoritmien suorittamiseksi digitaalisille kuville. Digitaalinen kuvankäsittely käsittää kuvien käsittelyn, kuten kuvan lukemisen, kuvan analysoinnin ja manipuloinnin, sekä minkä tahansa operaation suorittamisen samalla tavalla, kuten kuvan informaation parantamisen, kuvatietojen käsittelyn tallennusta, lähettämistä ja esittämistä varten. Digitaalista kuvankäsittelyä käytetään projekteissa, jotka käsittelevät luokittelua, ominaisuuksien poimimista, kuvioiden tunnistamista jne. Digitaalisessa kuvankäsittelyssä käytettäviä tekniikoita ovat kuvankäsittely, kuvan palauttaminen, lineaarinen suodatus, pikselöinti, pisteominaisuuksien yhteensovittaminen, pääkomponenttianalyysi, riippumaton komponenttianalyysi., jne.
Mikä on kuva?
Kuva esitetään funktiona F (a, b), joka on kaksiulotteinen, missä a ja b ovat avaruus- tai tasokoordinaatit. ”F” -aluetta missä tahansa pisteessä (a, b) kutsutaan kuvan voimakkuudeksi kyseisessä pisteessä. Jos a, b ja f: n arvot ovat rajalliset, kuvan sanotaan olevan digitaalinen kuva. Digitaalinen kuva koostuu pikseleistä, joilla on tietyt sijainnit ja arvot. Pikselin arvo on vaihdellut välillä 0 - 255.
Esimerkki:
Seuraava kuva näyttää kuvan ja vastaavat pikselit pisteestä
Kuva ja sen pikselit
Selitä kuvankäsittely
Kuvankäsittely määritellään tekniikkana, jolla parannetaan raa'ita kuvia, jotka on otettu erilaisilla visioantureilla eri sovelluksissa, kuten lääketieteellisessä kuvantamisessa, elokuvateollisuudessa, älykkäissä kuljetuksissa jne. Kuvankäsittelytekniikoiden soveltamiseksi ensimmäinen askel on kuvan digitointi kuvatiedostoon. . Lisäksi menetelmiä on sovellettava kuvan osien uudelleenjärjestelyyn, värierottelun parantamiseksi ja laadun parantamiseksi.
Esimerkki: Lääketieteellisessä sovelluksessa käytetään kuvankäsittelytekniikoita kuvan parantamiseksi, tomografiassa ja simulaatioissa. Tomografia on menetelmä, jota käytetään röntgenkuvaukseen.
Kuvatyypit
- Kuva, joka sisältää vain kaksi pikselielementtiä, jotka ovat 1 ja 0, joissa 1 edustaa valkoista ja 0 edustaa mustaa väriä, kutsutaan binaarikuvaksi tai yksiväriseksi.
- Kuva, joka koostuu ainoasta mustavalkoisesta väristä, kutsutaan mustavalkoiseksi kuvaksi.
- Siinä on '8-bittinen värimuotoinen kuva', jossa on 256 eri värisävyä ja joka tunnetaan yleensä harmaasävykuvana. Tässä 0 on musta, 127 tarkoittaa harmaata ja 255 kuvaa valkoista.
- Toinen on '16-bittinen värimuoto', jossa on 65 536 eri väriä. Tässä muodossa värien jakauma eroaa harmaasävykuvasta.
16-bittinen muoto on jaoteltu edelleen kolmeen muotoon, jotka ovat punainen, vihreä ja sininen, lyhennettynä RGB-muodolla.
Kuvan esitys
Kuva on esitetty riveinä ja sarakkeina järjestettyjen neliömäisten pikselien matriisina tai matriisina. Matlab on erittäin hyvä alusta kuvien noutamiseen, lukemiseen ja käsittelemiseen. Siinä on myös kuvankäsittelytyökalupakki. Tiedetään, että kuva on esitetty sarakkeina ja riveinä, kuten alla on esitetty:
Tämä yhtälö on digitaalisen kuvan matriisiesitys, jossa kutakin elementtiä kutsutaan pikseliksi.
Esimerkki: kuvan lukemiseen meidän on käytettävä seuraavaa komentoa MatLabissa
i=imread('F:\image.jpg.webp');
Tämän komennon suorittamisen jälkeen kuva tallennetaan muuttujaan I kolmiulotteisena taulukkona tai matriisina, kuten alla olevassa kuvassa esitetään. Ryhmän koko on 225X224X3. Sen pikseliarvot vaihtelevat välillä 0 - 255.
Kuvan taulukkoesitys
Kun kuva on näytetty seuraavalla komennolla:
show(i)
Voimme nähdä myös tietyn pisteen pikseliarvot, kuten alla olevassa kuvassa esitetään. Se näyttää terävän pikselin sijainnin (X, Y) ja RGB-arvot, jotka ovat punaisen, vihreän ja sinisen väritiedot.
Pikselin sijainti ja RGB-arvot
MatLab-ohjelmassa erilaisia toimintoja voidaan suorittaa kuville, kuten lukea, näyttää, muuttaa kokoa, kiertää, terävöittää, lisätä kohinaa, poistaa kohinaa, suodatus, reunatunnistus, nurkan havaitseminen, kartoitus ja monet muut.
Kuvankäsittelyvaiheet
- Hankinta: Kuvan hankkiminen määritellään kuvan hakemiseksi tai noutamiseksi minkä tahansa tyyppisillä näköantureilla. Päätökseen kuuluu skaalaus ja värimuuntaminen, joka on RGB harmaalle tai harmaa RGB: lle
- Kuvanparannus: Kuvanparannuksella tarkoitetaan kuvan laadun parantamista kuvan terävöittämällä tai kirkastamalla. Tämä tehdään sen ominaisuuksien tunnistamiseksi helposti.
- Kuvan palauttaminen: Kuvan palauttaminen käsittelee kuvan kohinanpoistoa tai epäterävyyttä kuvan luettavuuden parantamiseksi.
- Monen erottelutarkkuuden ja aallokkeiden käsittely: Näitä tekniikoita käyttämällä kuvat voidaan esittää useassa asteessa.
- Kuvanpakkaus: Kuvien pakkaaminen käsittelee kuvan kokoa tai tarkkuutta. Sitä käytetään kuvaan tallennus- ja lähetyskustannusten vähentämiseksi.
- Kohteiden havaitseminen ja tunnistaminen: Sen tarkoituksena on havaita ja tunnistaa kuva ja määrittää sen todellinen tarra havaitsemalla kuvan piirteet.
Digitaalisen kuvankäsittelyn soveltaminen
- Kuuluisin ja hyödyllisin kuvankäsittelysovellus on syvät hermoverkot. Syvät hermoverkot ovat verkkoja, joita voidaan kouluttaa ja testata eri tarkoituksiin kuvadatan avulla. Raaka kuva on yleensä saatavissa. Kuvatiedot on ensin esikäsitelty ja sitten niitä voidaan käyttää harjoitustarkoituksiin. P
- Kuvan uudelleenkäsittely sisältää melun vähentämisen, epäterävyyden poistamisen, intensiteetin tasaamisen FFT: n avulla ja monia muita. Muut kuvatiedon ominaisuudet on poimittava ja näiden ominaisuuksien verkon käyttö voidaan kouluttaa. Tämä verkko voidaan kouluttaa luokittelemaan kaikenlaista tietoa, kuten liikenne, kasvot, kohtaukset jne.
- Verkoston tulos riippuu koulutuksessa käytetyn kuvatiedon tyypistä ja laadusta. Verkossa on saatavana monia verkkoja, kuten AleNet, GoogleNet, VGG jne., Jotka on koulutettu erityyppisille kuville.
johtopäätös
Tässä on käsitelty vain kuvankäsittelyn johdanto-osaa. Kuvankäsittely on erittäin laaja nykyisessä tilanteessa. Esimerkiksi on olemassa erilaisia suodattimia, joita voidaan käyttää kuvaan. On monia tekniikoita, joita voidaan soveltaa kuvaan erilaisiin tarkoituksiin, kuten esineiden havaitsemiseen ja luokitteluun, kohtauksen lokalisointiin, kasvojentunnistukseen, kuvion tunnistamiseen jne.
Suositellut artikkelit
Tämä on opas digitaaliseen kuvankäsittelyyn. Tässä keskustellaan johdannosta, Mikä on kuva, kuvatyypit ja digitaalisen kuvankäsittelyn sovellukset. Voit myös käydä läpi muiden aiheeseen liittyvien artikkeleidemme saadaksesi lisätietoja -
- Koneoppimiskirjastot
- Digitaalisen allekirjoituksen ohjelmistot
- Mikä on tietojenkäsittely?
- MATLAB-versio
- Kuinka toteuttaa väri Matlabissa?