جزوه پردازش تصاویر دیجیتال
دانلود جزوه
برای آزمون استخدامی ینالله جعفرنژادقمی گونزالس دانشگاه پیام نور علمی کاربردی آزاد سعید میرقاسمی کاردانی رافائل گونزالس خلاصه کتاب مجتبی لطفیزاد خلاصه
– ):( ) &( )( – : )( [RGB]
– : ) ( ) ( )( )(
:
*؟
:
( ( :
: ) -(: )( )( : ) -(: ) ( ) ( ) (
: ) -(: )( ) ( ) ( ) ( . )(
)( : – 
:
)( -) ( ) ( )(-)()( -) ( – )(- )()(-) ( )& (-:
) ( : : )( ) ( )( ) ( )( :
:
– – – 
– – () – – ؟
؟
– – :
؟
؟
[-0] مي كنيم، وجود ندارد. همچنين مي توان اين بازه را بين 0 تا 1 در نظر گرفت .براي بسياري از عمليات هاي پردازش تصوير در ادامه بحث، سطح خاكستري در بازه 0 تا 1 فرض شده است.
روشهای دیگری وجود دارند که باید از ماسکهای 5*5 استفاده کنند .این سایز ماسک می تواند 33 میلیون حالت مختلف را در بر گیرد که برای هر پیکسل باید چک شود. بهترین راه استفاده از یک روش دو مرحله ای است که هر دو مرحله از ماسک 3*3 استفاده می کنند:
– مرحله اول: پیکسلهائی که باید بر روی آنها کار شود جدا می شوند .
– مرحله دوم: تصویر اصلی با تصویر بدست آمده مقایسه می شود .
در این روش نیز از جداول جستجو استفاده میشود.
تمرین:برنامه ای بنویسید که عملیات را Dilation,opening,closing Erosion انجام دهد.
از نظر ریاضی، استفاده ای که از این تکنیک میکنیم، این است که بتوانیم تصویرمان رابا مجموعه های ریاضی معادل کنیم. در حقیقت هر مجموعه بازگوکننده ی یک آبجکت در تصویر است به این معنا که اگه آبجکتی در تصویر وجود داشته باشدکه تمام پیکسل هایش سیاه باشد، میتواند باز گو کننده ی یک مجموعه ی مستقل در فضای Morphology باشد برای تصاویر باینری معادل ریاضی که برای مجموعه ها در نظر گرفته میشود، مجموعه های دوبعدی است، به این معنا که اعضای آن عضو مجموعه ی Z^2 هستند . بنابر این اگر آبجکت سیاه در تصویر ما موجود باشد، اعضای مجموعه مختصات مولفه های سیاه درون آبجکت هستند ؛ لذا توانستیم از آبجکت یک تعریف ریاضی ارائه کنیم .. اگر فضای رنگی ما Gray Level باشد ، بعد مجموعه ی ما به فضای Z^3 تبدیل می شود و اینجا مجموعه ی ما سه بعدی است که دو بعدش به مختصات پیکسل ها اختصاص دارند و یک بعدهم به مولفه های رنگی) Color Distribution Factor( آبجکت مورد نظردرون تصویر اختصاص پیدا میکند .
همان طور که متوجه شدید ، با بالا بردن ابعاد مجموعه در فضای Z میتوانیم انعطاف فضاهای رنگی دیگری را هم برای آبجکت ها در نظر بگیریم.
اکثر روشهای ریخت شناختی بر روی همسایه های 3*3 عمل می کنند.پیکسل مورد توجه (X)درمرکز این پنجره واقع است.همسایه ها به صورت x0 – x7 نامگذاری می شوند.
پیوست
مثال 1: نمونه ای از مراحل انجام یک پروژه:
در یک کلاس می خواهیم تعداد افراد را بشماریم، مرحله ی اول:
1( Preprocessing : پیش پردازش یعنی آماده سازی پروژه برای عملیات اصلی
که همان image enhancement است، که تصویر را نگاه می کنیم که آن را برای عملیات اصلی و بعدی مان مفیدتر کنیم. عملیات ???? را در این تست انجام می دهیم تا تصویر مفیدتر شود و تصویر contrast آن بالاتر رود.
Preprocessing step : در این step، باید دامنه ی کاری مان را نیز کاهش دهیم، مثلا در کلاس افراد در قسمت پایین هستند.
در کلاس object of interest ما افراد هستند، پس ایده ای که به نظر می رسد این است که افراد را highlight کنیم و بقیه ی قسمت های تصویر را محو کنیم و فقط افراد در آن موجود باشند.
از نظر visually تصویر داغون شده ولی اطلاعات مفید)افراد( در آن وجود دارند.
مفهوم machine vision همین است. یعنی هر سیستم الکترونیکی و مکانیکی که به پردازش تصویر کمک می کند.
* : )(، : – )( – – – – – )( *
فهرست مطالب