PDA

نسخه کامل مشاهده نسخه کامل : پردازش تصویر






    

setayesh_a
19-04-2007, 21:15
مقاله یا تحقیق در مورد پردازش تصویر :11:

Mostafa_Amol
28-04-2007, 23:45
سلام
من فقط می توانم یه آدرس به شما بدهم که به آنجا بروید چون در آنجا زیاد در این مورد بحث شده ( امید وارم همون چیزی باشد که شما دنبالش می گردید)
[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]

R£ɀД
29-04-2007, 06:55
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد. پردازش تصاویر دارای دو شاخه عمدهٔ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندهٔ روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد(مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روشهایی می‌پردازد که به کمک آنها می‌توان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود




بینایی رایانه‌ای (computer vision) یکی از شاخه‌های مدرن، و پرتنوٌع هوش مصنوعی‌ست که با ترکیب روشهای مربوط به پردازش تصاویر (image processing) و ابزارهای تعلٌم ماشینی رایانه‌ها را به بینایی اشیاء، مناظر، و "درک" هوشمند خصوصیات گوناگون آنها توانا می‌گرداند.

وظایف اصلی در بینایی رایانه‌ای

تشخیص شیء
تشخیص حضور و/یا حالت شیء در یک تصویر. به عنوان مثال :

جستجو برای تصاویر دیجیتال بر اساس محتوایشان(بازیابی محتوامحور تصاویر).
شناسایی صورت انسان‌ها و موقعیت آنها در عکس‌ها.
تخمین حالت سه بعدی انسان‌ها و اندام‌هایشان.

پیگیری
پیگیری اشیای شناخته شده در میان تعدادی تصویر پشت سر هم. به عنوان مثال :

پیگیری یک شخص هنگامی که در یک مرکز خرید راه می‌رود.

تفسیر منظره
ساختن یک مدل از یک تصویر/تصویر متحرک. به‌عنوان مثال :

ساختن یک مدل از ناحیه پیرامونی به کمک تصاویری که از دوربین نصب شده بر روی یک ربات گرفته می‌شوند.


خود مکان‌یابی
مشحص کردن مکان و حرکت خود دوربین به عنوان عضو بینایی رایانه. به‌عنوان مثال :

مسیریابی یک ربات درون یک موزه.


سامانه‌های بینایی رایانه‌ای

یک سامانهٔ نوعی بینایی رایانه‌ای را می‌توان به زیرسامانه‌های زیر تقسیم کرد :

تصویربرداری
تصویر یا دنباله تصاویر با یک سامانه تصویربرداری(دوربین، رادار، لیدار، سامانه توموگرافی) برداشته می‌شود. معمولاً سامانه تصویربرداری باید پیش از استفاده تنظیم شود.

پیش‌پردازش
در گام پیش‌پردازش، تصویر در معرض اَعمال "سطح پایین" قرار می‌گیرد. هدف این گام کاهش نوفه (کاهش نویز - جدا کردن سیگنال از نویز) و کم‌کردن مقدار کلی داده‌هاست. این کار نوعاً با به‌کارگیری روش‌های گوناگون پردازش تصویر(دیجیتال) انجام می‌شود. مانند:

زیرنمونه‌گیری تصویر.
اعمال فیلترهای دیجیتال.
پیچش‌ها.
همبستگی‌ها یا فیلترهای خطی لغزش‌نابسته.
عملگر سوبل.
محاسبهٔ گرادیان x و y(و احتمالاً گرادیان زمانی).
تقطیع تصویر.
آستانه‌گیری پیکسلی.
انجام یک ویژه‌تبدیل بر تصویر.
تبدیل فوریه.
انجام تخمین حرکت برای ناحیه‌های محلی تصویرکه به نام تخمین شارش نوری هم شناخته می‌شود.
تخمین ناهمسانی در تصاویر برجسته‌بینی.
تحلیل چنددقتی.

استخراج ویژگی
هدف از استخراج ویژگی کاهش دادن بیشتر داده‌ها به مجموعه‌ای از ویژگی‌هاست، که باید به اغتشاشاتی چون شرایط نورپردازی، موقعیت دوربین، نویز و اعوجاج ایمن باشند. نمونه‌هایی از استخراج ویژگی عبارت‌اند از:

انجام آشکارسازی لبه.
استخراج ویژگی‌های گوشه‌ای.
استخراج تصاویر چرخش از نقشه‌های ژرفا.
بدست آوردن خطوط تراز و احتمالاً گذر از صفرهای خمش.

ثبت
هدف گام ثبت برقراری تناظر میان ویژگی‌های مجموعه برداشت شده و ویژگی‌های اجسام شناخته‌شده در یک پایگاه داده‌های مدل و/یا ویژگی‌های تصویر قبلی است. در گام ثبت باید به یک فرضیه نهایی رسید. چند روش این کار عبارت‌اند از:

تخمین کمترین مربعات.
تبدیل هاگ در انواع گوناگون.
درهم‌سازی هندسی.
پالودن ذره‌ای.


منبع : ویکی پدیا

shahi-007
29-04-2007, 19:40
یه کتاب هست به نام پردازش تصاویر دیجیتال نوشته خانم دکتر ترکمنی آذر عضو هیئت علمی دانشگاه شهید بهشتی تهران که انتشارات ارکان چاپش کرده

azaderobotic
20-10-2007, 22:17
سلام
من هم می خواهم درباره پردازش تصویر بیشتر بدانم.
واین که از چه دوربینی می توان استفاده کرد.
برای نصب روی هواپیما چه دور بینی بهتر است؟؟؟؟؟؟؟؟؟؟:31:

k2ka
21-11-2007, 02:55
به نظر من واسه شروع خیلی سوالها قبل از این که چه دوربینی بهتره (اونم واسه نصب رو هواپیما!!!) رو باید یاد بگیرین. واسه یادگیری پردازش تصویر از اول می تونین یه سری به این سایت بزنین :
[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

محبوبه کرمزاده
30-10-2008, 16:37
مقاله یا تحقیق در مورد پردازش تصویر :11:
با سلام من محبوبه کرم زاده هستم
و عضو جدید این سایت و از مصاحبت با شما بسیار خوشوقتم
راستش من ترم آخر کاردانی کامپیوتر هستم
و پروژه پایانیم مربوط به پردازش تصویر البته به طور دقیق باید درمورد تشخیص هویت یا مسائل امنیتی توسط پردازش تصویر باشه
اگه بتونید در این راستا به من کمک کنید خیلی ممنون می شم.

امید زینلی
08-11-2008, 00:00
باسلام دوستان لطف بفرمایید یه مقاله در مورد پردازش تصویر و کارایی آن در تشخیص چهره یا تشخیص زبان ناشنوایان یا هر کارایی که پردازش تصویر داره برای من بفرستید برای پروژه یایان تحصیلم می خوام یابصورتpowerpoint باشد.

majid-ar
08-11-2008, 17:32
باسلام دوستان لطف بفرمایید یه مقاله در مورد پردازش تصویر و کارایی آن در تشخیص چهره یا تشخیص زبان ناشنوایان یا هر کارایی که پردازش تصویر داره برای من بفرستید برای پروژه یایان تحصیلم می خوام یابصورتpowerpoint باشد.

سلام.

دوست عزیز مطلب به فارسی و انگلیسی در مورد پردازش تصاویر زیاده.

شما همین عبارت "پردازش تصاویر " رو تو گوگل سرچ کنید مقاله تو موضوعات مخلتف میاره.

مهدیان راد
13-12-2008, 16:21
مقاله یا تحقیق در مورد پردازش تصویر :11:
سلام
چطوری میشه این مقاله شما رو دید؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟
من شدیدا بهش نیاز دارم

zizi2020
12-10-2009, 09:04
سلام<لطفا به من یه مقاله یا کتاب در مورد پسوند jpectمعرفی کنید<خیلی مهمه

samaneh-67
21-10-2009, 13:02
سلام دوستان
خسته نباشين
اكه خدا بخواد من دارم اسلايدي در مورد پردازش تصوير و كاربردهاش براي ارائه آماده ميكنم
انشالا به زودي همين جا براتون ميگذارم
اميدوارم استفاده كنينو حالشو ببرين
بجاش مارو دعا كنين چه طوره؟؟؟؟؟:thumbsup::46::11:

samaneh-67
22-10-2009, 19:39
2باره سلام :40:
گفتم شايد كار من يكم طول بكشه
اگه خيلي عجله داشته باشين حتما سري به اين سايتها بزنين
در مورد پردازش تصوير و شبكه هاي عصبي ميتونين كتاب يا مقاله يا حتي پاور پوينت آماده در مورد كلوني مورچه ها يا سنسور دست پيدا كنينو دانلود كنين

موفق الاسيز(يعني موفق باشين)تعجب نكنين به زبان تركي بود!!!!!:46::11:

[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])20processing.pdf&username=mbegol

[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

samaneh-67
19-11-2009, 18:16
بچه ها همونطور که قولشو داده بودم
مطلب آماده ای که خودم تنظیم کردم رو در اختیارتون میگذارم
من خودم ارائه دادم همه خیلی خوششون اومد:20:


کاربرد های پردازش تصویر

مقدمه
پيدايش علوم و فنون جديد جوامع بشري را با شكلهاي مختلفي روبرو نموده است توليد فزاينده اطلاعات به شكلهاي مختلف صورت مي گيرد و با درجات متفاوتي از پيچيدگي همراه است.
در نتيجه نياز به سيسمتهاي پردازش اطلاعات بصورت روزا فزون ا فزايش مي يابد، يكي از اين مسائل مهم كه شاخه اي از هوش مصنوعي است، پردازش تصوير است.
امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت ودر نهایت تصمیم گیری صحیح می باشد در مورد انسان نیز به همین صورت است اطلاعات از طریق چشم به مغز ارسال می شود و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند
هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان درقبال داده های در یافتی از چشم
نمی باشد زیرا این عملیات بسیار پیچیده و حجیم است بلکه هدف انجام پردازش های خاص برای استخراج ویژگی مورد نیاز برای رسیدن به اهداف از پیش تعیین شده می باشد

تعریف
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصاویر دیجیتالی گفته می‌شود که با پردازش سیگنال های دیجیتال که نماینده تصاویر برداشته شده با یک دوربین دیجیتال هستند، سر و کار دارد
در معنای خاص پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم.خروجی هم می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد.
یک تصویر از لحظه ورود به سیستم پردازش تصویر تا تولید تصویر خروجی، به ترتیب مراحل زیر را طی می کند:
دریافت تصویر ورودی
در این مرحله تصویر از ورودی خوانده شده و وارد سیستم می شود تصویر ورودی می تواند بر روی ابزار ذخیزه سازی بوده یا از یک دوربین گرفته شود به عنوان مثال در سیستم تشخیص اثر انگشت ورودی از طریق اسکنر اثر انگشت وارد سیستم می شود
پیش پردازش تصویر(پردازش سطح پایین)
اهداف کلی این مرحله را می توان ارتقاء تصویر و حذف مو لفه های غیر ضروری از تصویر(حذف نویز) دانست به عنولن مثال خشکی پوست جراحت و یا عدم تمیزی پوست مواردی هستند که قبل از پردازش تصویر انگشت باید با استفاده از تکنیکهای پردازش تصویراز جمله (ترمیم تصاویر.بالا بردن دقت عکس. عمل کانولوشن یا فیلتر کردن و هیستوگرام تصویر) به رفع آنها پرداخت مشخصه اين نوع پردازش اين است که ورودی و خروجی آن تصوير هستند
پردازش تصویر(پردازش سطح میانی)
هدف کلی در این مرحله شناسایی ویژگی هایی از تصویر است که بتوان از آنها برای کاربر مورد نظر خود استفاده کرد شناسایی نقاط ویژه و انحنا ها طبقه بندی يا تشخيص اشياء مختلف از جمله (عملیات تشخیص لبه و بخش بندی تصاویر) ویژگی هایی هستند که در سیستم تشخیص اثر انگشت می توانند استخراج گردند ويژگی اين پردازش اين است که ورودی آن معمولا تصوير و خروجی آن صفاتی از اشياء تصوير مانند لبه ها، کانتورها و تشخيص اشياء است.
آنالیز تصویر(پردازش سطح بالا)
در این مرحله با استفاده از ویژگی های استخراج شده به آنا لیز تصویر می پردازیم پردازش سطح بالا شامل فهميدن روابط بين اشياء تشخيص داده شده، استنباط و تفسير صحنه و انجام تفسير و تشخيص هايی است که سيستم بينايی انسان انجام می دهد به عنوان مثال بعد از تشخیص نقاط ویژه
انگشت را پیدا کنیم آنا لیز تصویر معمولا از تکنیکهای هوش مصنوعی و سیستم بینایی ماشین همانند شبکه های عصبی درخت تصمیم کلاس بندی و.... استفاده می کند

تصاویر دیجیتالی
یک تصویر را می توان توسط تابع دوبعدی( f(x,y نشان داد که در آن X و Y را مختصات مکانی و مقدار f در هر نقطه را شدت روشنایی تصویر درآن نقطه می نامند اصطلاح سطح خاکستری نیز به شدت روشنایی تصاویر اطلاق میشود
زمانی که مقادیر X و Y و مقدار( f(x,y با مقادیر گسسته و محدود بیان شوند ، تصویر را یک تصویر دیجیتالی می نامند
برای نمایش یک تصویر M * N از یک آرایه دو بعدی ( ماتریس) که M سطر و N ستون دارد استفاده می کنیم مقدار هر عنصر از آرایه نشان دهنده شدت روشنایی تصویر در آن نقطه است. هر عنصر آرایه یک مقدار 8 بیتی است که می تواند مقداری بین 0 و 255 داشته باشد. مقدار صفر نشان دهنده رنگ تیره ( سیاه ) و مقدار 255 نشان دهنده رنگ روشن ( سفید ) است.
به عنوان مثال تصویر زیرکه سایز آن 288 * 265 است از یک ماتریس که دارای 288 سطر و 265 ستون است برای نمایش تصویر استفاده می کند .







پیکسل ها نقاط بسیار ریز مربعی شکلی هستند که از تجمع آنها، تصویر روی صفحه نمایش یا روی کاغذ شکل می­گیرد هر پیکسل از این تصویر نیز مقداری بین 0 و 255 دارد . نقاط روشن مقادیری نزدیک به 255 و نقاط تیره مقادیر نزدیک به 0 دارد. همه توابع پردازش تصویر از این مقادیر استفاده کرده و اعمال لازم را بر روی تصویر انجام می دهند.


تکنیکهای پردازش تصویر ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4_%D8%AA%D8%B5%D9%8 8%DB%8C%D8%B1)
· ترمیم تصاویر
o میانگیری از تصاویر
o عملیات فیلترینگ
· هیستوگرام تصویر ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4_%D8%AA%D8%B5%D9%8 8%DB%8C%D8%B1#.D9.87.DB.8C.D8.B3.D8.AA.D9.88.DA.AF .D8.B1.D8.A7.D9.85_.D8.AA.D8.B5.D9.88.DB.8C.D8.B1# .D9.87.DB.8C.D8.B3.D8.AA.D)
· ترمیم تصاویر
بیشتر تصاویری که توسط ماهواره‌ها یا رادار‌ها ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) ثبت می‌گردند، اختلالاتی در تصویر به وجود می‌آید برای از بین بردن این نوع اختلالات ارتقای تصاویرو بالا برن دقت عکس ها از عملیاتی چون میانگیری از تصاویر و عملیات فیلترینگ یا کانونولوشن استفاده می شود
میانگین گیری از تصاویر
فرض کنید چند تصویر یکسان داریم که بر روی هرکدام از آنها نویزهای مختلفی وجود دارد و می خواهیم کیفیت این تصاویر را ارتقا دهیم. در چنین مواردی می توان از میانگن گیری از همه تصاویر استفاده کنیم . بدین صورت که مقادیر پیکسل های متناظر در همه تصاویر را باهم جمع کرده و سپس به تعداد کل تصاویر تقسیم کنیم. بدیهی است که هرقدر تعداد تصاویر برای میانگین گیری بیشتر باشد ، تصویر حاصل از میانگین گیری آنها نیز بیشتر به واقعیت نزدیک خواهد بود. به عنوان مثال مجموعه تصاویر زیر، تصویر بدون نویز ، تصاویر نویز دار و حاصل میانگین گیری از تصاویر نویز را نشان می د هد:















تصویر نویزدار

تصویر نویزدار

تصویر نویزدار

تصویر نویزدار

تصویر بدون نویز





میانگین تصاویر


عملیات فیلترینگ
برای انجام تبدیلات در هر دو حوزه مکانی از فیلترها استفاده می کنیم .فیلترها در به دو دسته تقسیم می شوند
· فیلترهای پائین گذر: در حالت کلی باعث مات شدن پیکسل ها می شوند. ( لبه ها و نویزها تا حدودی آرام می شوند ) و تصویری تقریبا آرام بدست می آید
· فیلترهای بالا گذر: جهت تیزکردن لبه ها و سایر جزئیات پیکسل ها استفاده می شونددر نتیجه با اعمال فیلتر بالاگذر نیز تصویری با جزئیات بیشتر به دست می آید
شکل زیر تصویری را پس از اعمال فیلتر پایین گذر و بالا گذر نشان می دهد :




تصویر تیز شده







تصویر آرام شده





تصویر اصلی


· هیستوگرام تصویر
در هر تصویر رقومی، مقادیر پیکسل‌ها 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 ۰-۲۵۵) در طول محور X بیان شده و میزان فراوانی هر مقدار در محور Y بیان می‌گردد.
یکی از کاربـردهـای هیستوگرام در فوکوس خودکـار دوربین های دیجیتالی است. بـدین صورت که لنز دوربین از ابتدا تا انتها حرکت کرده و در هر گام از حرکت خود تصویری از صحنه می گیرد. سپس کنتراست تصویر گرفته شده را با استفاده از هیستوگرام آن محاسبه می کند. پس از آن که لنز به انتهای حرکتی خود رسید، محلی از حرکت لنز که در آن تصویر دارای بیشترین کنتراست خود بوده است، به عنوان محل لنز تعیین می گردد
تعدیل هیستوگرام
یکی دیگر از کاربردهای هیستورگرام در افزایش کنتراست تصاویر با کنتراست پایین است. زمانی که می گوییم کنتراست تصویری کم است این بدان معنا است که اختلاف بین کمترین و بیشتری شدت روشنایی تصویر کم است. هم تعدیل سازی هیستوگرام موجب می شود که کنتراست تصویر ورودی تا حد ممکن افزایش یابد. به عنوان مثال شکل زیر تصویری را قبل و بعد از تعدیل سازی هیستوگرام نشان می دهد:











تصویر خروجی پس از تعدیل هیستوگرام

تصویر ورودی و هیستوگرام آن

عملات تشخیص لبه و بخش بندی تصاویر
معمولاً مرحله اول در تحلیل تصویر، بخش بندی است. با عمل بخش بندی، تصویر به قسمت­های تشکیل دهنده­اش تقسیم می­شود. میزان بخش بندی، به موضوع مورد نظر بستگی دارد. یعنی وقتی اشیای مورد علاقه کاربرد مورد نظر از هم جدا شدند، باید بخش بندی متوقف شود
مفهوم بخش بندی تصویر بر اساس ناپیوستگی یا شباهت مقادیر سطوح خاکستری را می­توان برای هر دو نوع تصویر ثابت و متحرک به کار برد از الگوریتم­های بخش بندی تصاویر تک رنگ، برای آشکارسازی خطوط و لبه­های تصاویر استفاده شد.
در يک تصوير، مرز ميان يک شيء و زمينه و يا مرز ميان اشياء همپوشان را لبه تعريف مي‌کنند.در حالت ايده‌آل اگر فرض شود که مقدار شدت روشنايي هر تصوير يکنواخت و با مقادير شدت روشنايي اشياء مجاورش متفاوت باشد، آنگاه هرگونه تغيير قابل ملاحظه در مقدار شدت روشنايي را مي‌توان لبه در نظر گرفت
با اين تعريف، اگر لبه‌هاي يک تصوير مشخص شوند مکان تمام اشياء موجود در تصوير مشخص شده و خواص اساسي آنها از قبيل سطح، محيط و غيره به راحتي قابل اندازه‌گيري خواهند بود که یک نمونه از بخش بندی و آشکار سازی لبه در شکل زیر نشان داده شده است:





کاربردهای پردازش تصویر

کاربرد پردازش تصویردر چند زمینه ی مختلف عبارتند از ، هواشناسی، شهرسازی، کشاورزی، علوم نظامی و امنیتی، نجوم و فضا نوردی، پزشکی، تبلیغات، سینما، روانشناسی و زمین شناسی و مهمترین آنها اتوماسیون صنعتی که در ادامه درباره هر کدام مختصراً بحث شده است.
هواشناسی
از آنجایی که در علم هواشناسی تشخیص و پیش بینی آب و هوا اکثراً از طریق تصاویر هوایی و ماهواره ای انجام می گیرد، پردازش تصویر در این علم کاربرد زیادی دارد و دقت و سرعت پیش بینی آب و هوا و طوفان ها را بسیار بالا می برد. جبهه های پرفشار، کم فشار، گردبادها و گرداب های بوجود آمده در سطح کره زمین را می توان مشاهده کرد.

شهرسازی
با مقایسه عکس های مختلف از سال های مختلف یک شهر می توان میزان گسترش و پیشرفت آن را مشاهده کرد.قبل از ساختن یک شهر می توان آن را توسط کامپیوتر شبیه سازی کرد که به صورت دو بعدی از بالا و حتی به صورت سه بعدی از دید های مختلف، یک شهرک چطور ممکن است به نظر برسد. تصاویر ماهواره ای که از شهرها گرفته می شود، می تواند توسط فیلتر های مختلف پردازش تصویر فیلتر شود و اطلاعات مختلفی از آن استخراج شود. به طور مثال این که شهر در چه قسمت هایی دارای ساختمان ها، آب ها یا راه های بیشتری است و همین طور می توان جاده هایی که داخل یا خارج از شهر کشیده شده اند را تحلیل کرد.

کشاورزی
این علم در بخش کشاورزی معمولاً در دو حالت کاربرد دارد. یکی در پردازش تصاویر گرفته شده از ارتفاعات بالا مثلاً از هواپیما و دیگری در پردازش تصاویر نزدیک به زمین.
در تصاویر دور به عنوان مثال می توان تقسیم بندی اراضی را تحلیل کرد. همچنین می توان با مقایسه تصاویر دریافتی در زمان های متفاوت میزان صدمات احتما لی وارد به محیط زیست را دید. به عنوان مثال می توان برنامه ای نوشت که با توجه به محل رودخانه ها و نوع خاک مناطق مختلف، به صورت اتوماتیک بهترین نقاط برای کشت محصولات مختلف را تعیین می کند.
تصاویر نزدیک هم در ساخت ماشین های هرز چین اتوماتیک کاربرد دارد. امروزه ماشین های بسیار گران قیمت کشاورزی وجود دارند که می توانند علف های هرز را از گیاهان تشخیص بدهند و به صورت خودکار آنها را نابود کنند.

علوم نظامی و امنیتی
پردازش تصویر بخصوص بینایی هوشمند، کاربردهای بسیاری را در علوم نظامی و ا منیتی دارند و این کاربرد برای دولت اکثر کشورها بسیار مهم است. به عنوان مثال موشک هدایت شونده خودکاری وجود دارد که می تواند روی در یک ساختمان قفل کند و حتی می تواند به درز بین در و دیوار آن ساختمان که حساس ترین جای ساختمان است به راحتی نفوذ کند. این موشک به صورت اتوماتیک این قسمت را شناسایی کرده و به سمت آن حمله می کند.
در مسائل امنیتی هم کاربرد پردازش تصویر کاملاً در زندگی ما مشهود است. دوربین های که به صورت اتوماتیک از ماشین هایی که تخلف رانندگی انجام می دهند عکس برداری می کند.
از سیستم های امنیتی و تشخيص هويتی میتوان تشخيص چهره ، تشخيص کف دست ، تشخيص عنبيه و سیستم تشخیص اثر انگشت اتوماتیک را نام برد. در لپ تاپ های جدید قابلیت finger print به آنها اضافه شده و می تواند صاحب لپ تاپ را توسط اثر انگشت شناسایی کند.
کد امنیتی دیگری که همیشه همراه انسان حمل می شود، چشم انسان است. دانشمندان ثابت کرده اند که پترن های موجود در مردمک چشم هر انسان منحصر به فرد است و هیچ دو فردی در دنیا وجود ندارند که پترن هایی که در مردمک چشم آنها وجود دارد دقیقاً مثل هم باشد. از همین روش برای شناخت ا فراد و سیستم های امنیتی استفاده می شود




در کل این خواص بیومتریک در انسان بسیار زیاد است. عرض و طول صورت، فاصله بین انگشتان دست، طول و عرض انگشت ها، فاصله ی بندها از یکدیگر و حتی خط های کشیده شده کف دست و هزاران خاصیت دیگر، تماماً خصوصیاتی هستند که برای انسان ها منحصر به فرد هستند.دوربین هایی وجود دارند که به صورت دید در شب، قادر هستند چیزهایی را که ما نمی بینیم، ببینند و پردازش کنند.اسلحه های خودکاری ساخته شده اند که به صورت اتوماتیک و دقیق نشانه گیری می کنند.
پردازش تصویر همینطور با پردازش تصاویر گرفته شده از فاصله های دور هم می تواند در علوم نظامی و امنیتی کمک کند.به عنوان مثال دوربینی قادر است با سرعت بسیار زیاد یک توپ را دنبال کند.این مسئله کاربرد بسیار زیادی در مسائل نظامی دارد.

نجوم و فضا نوردی
ساخت دستگاه های اتوماتیک رصد آسمان و ثبت وقایع آسمانی به صورت خودکار از کاربردهای پردازش تصویر است که امروزه روی آن کار می شود.
از پروژه های جدید در بخش نجوم که بخشی از آن توسط سیستم پردازش تصویر انجام می شود، تهیه نقشه سه بعدی از کل عالم کائنات است !
پردازش تصویر در فضانوردی هم کاربرد زیادی دارد. در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده و اطلاعات بسیار ریزی از آنها استخراج کنیم.
کاربرد دیگر پردازش تصویر در فیلتر کردن عکس هایی است که توسط تلسکوپ های فضایی مختلف از جمله هابل از فضا گرفته می شود.


پزشکی
یکی از مهمترین کاربردهای پردازش تصویر در علم پزشکی است. در جایی که ما نیاز داریم تمام عکس ها با نهایت شفافیت و وضوح گرفته شوند زیرا دیدن تمام جزئیات لازم است. جراحی های ریز microsurgery با استفاده از تکنيک های پردازش تصوير، مدل دوبعدی يا سه بعدی بافت يا عضوی که قرار است جراحی شود به دست آمده و جراح را درطول عمل راهنمايی می کند و با ایجاد یک سوراخ کوچک و فقط دیدن محل جراحی توسط پزشک، از راه دور و توسط بازوهای رباتیک بسیار دقیق انجام می شوند و همچنین درتفکيک بافتهای مختلف از آنجايی که بافتهای مختلف دارای مشخصات مختلف از جمله نفوذ پذيری متفاوت هستند، می توان با تکنيکهای بخش بندی تصوير، بافتهای مختلف را تشخيص داد. از جمله می توان بافتهای سرطانی يا محل دقيق تومرهای مغزی را تشخيص داد.





تبلیغات
از مقایسه تبلیغات دهه ی 70 و 80 میلادی با تبلیغات امروزی می توان تأثیر تکنولوژی را در تبلیغات کاملاً درک کرد. تغییر شکل تبلیغات از اشکال مربع و زاویه دار به شکل های دایره ای، تغییر رنگ تبلیغات و هزاران تغییر دیگر. یکی از مهمترین فاکتورهای فروش و دلایل بالا رفتن یا پایین آمدن فروش، شکل و نحوه ی بسته بندی کالاست. پردازش تصویر می تواند به ما کمک کند تا قبل از تولید یک بسته بندی آن را شبیه سازی کنیم. با ادغام کردن علم ا لگوریتم ژنتیک با پردازش تصویر می توان برنامه ای را نوشت که به صورت اتوماتیک به ساختن بسته بندی های مختلف بپردازد و آنهایی که از نظر کاربران زیباتر و جالب تر به نظر خواهند آمد را به ما معرفی نماید.
سینما
اولین علمی که پردازش تصویر در آن مورد استفاده قرار گرفت، هنر و سینما بود.همچنین در موارد مختلف از جمله انيميشن بدن و چهره کاربرد فراوان دارند .
برای تعقيب حرکات نواحی مختلف بدن توسط اين مدل، می توان سنسورهايی در نقاط مختلف بدن نصب کرده و حرکات بدن شخص را به مدل انتقال داد.
استفاده از اين روش برای مدل چهره مناسب نيست، چرا که برای تعقيب حرکات صورت و مخصوصاً لبها، نمی توان به راحتی از سنسور استفاده کرد و اين حرکات بايستی با روشهای پردازش تصوير استخراج و به مدل انتقال يابد.
ويژگی های مهم چهره که در انيميشن اهميت بالايی دارند، عبارتند از چشمها، ابروها و لبها.مدل لبها به دليل قابليت فرم پذيری بالايی که دارند اهميت بيشتری د ارد. تعقيب حرکات لبها در انيميشن بسيار اهميت داشته و با روشهای پردازش تصوير ، می توان با تعقيب حرکات لب شخص، ادای کلمات توسط مدل انيميشن را طبيعی تر جلوه داد .
یکی از تکنولوژی های برتر دنیا motion capture است که در آن یک کاراکتر انیمیشنی قادر است حرکات دست انسان را تقلید کند. امروزه این سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
در پردازش تصویربا قابلیت هیستوگرام قادرند تصاویر را شفاف یا تیره تر کرده و یا هر تغییر مورد نیاز دیگری را روی تصاویر با توجه به منحنی ها و نمودارهای هیستوگرام بدهند.
در سینما برای اینکه تصویری شفاف به نظر آید، با استفاده از یک کره ی نقره ای رنگ، تصاویر اطراف دوربین را هم ثبت می کنند. بنابراین تصویر نسبت به محیط اطراف خود شفافیت غیر قابل تصوری پیدا می کند.

روانشناسی
بحث تاثیر رنگ در روحیه انسان ا همیت بسیار زیادی دارد به طوری که در روانشناسی گرایشی به نام روانشناسی رنگ وجود دارد. در این علم در مورد رنگ ها و تأثیر هر یک بر روح و جسم انسان صحبت می شود. به عنوان مثال رنگ قرمز بیشتر تأثیر را در چشم انسان دارد. در حالی که رنگ سبز بیشترین تأثیر را در مغز انسان دارد.
همچنین رنگ آبی باعث ایجاد حس آرامش و اطمینان در انسان می شود. به همین دلیل در سخنرانی های اکثر سیاستمداران دنیا ا ز پرده آبی رنگ در پشت سر آن ها استفاده می شود.
با پردازش تصویر می توان به راحتی تصاویر ثابت و متحرک را ویرایش کرد. به طور مثال رنگ آبی را برای ایجاد حس اطمینان یا رنگ سبز را برای حس زیبایی و قرمز را برای ایجاد هیجان در تصاویر پر رنگ تر کرد.


زمین شناسی
با پردا زش تصویر می توان کانی های مختلف را از روی رنگ و اندازه آن ها شناسایی و دسته بندی کرد. همچنین در زمین شناسی برای پی بردن به مواد تشکیل دهنده کانی ها از روش پرتونگا ری استفاده می کنند و پردازش تصویر در این بخش می تواند سرعت و دقت این روش را بسیار بالا ببرد. کاربرد دیگر آن این است که دانشمندان با مقایسه کردن ارتفاع آب در سال های مختلف، در وا قع روند تند شدن یا کند شدن کاهش آّب در سطح زمین را مورد بررسی قرار می دهند
اتوماسین صنعتی
امروزه کمتر کارخانه پیشرفته ای وجود دارد که بخشی از خط تولید آن توسط برنامه های هوشمند بینایی ماشین کنترل نشود. خطای بسیار کم، سرعت زیاد، هزینه نگهداری بسیار پایین، عدم نیاز به حضور اپراتور 24 ساعته و خیلی مزایای دیگر باعث شده که صنایع و کارخانه ها به سرعت به سمت پردازش تصویر و بینایی ماشین روی بیاورند. دستگاهی ساخته شده که قادر است کیک های پخته را از کیک هایی که نیاز به پخت مجدد دارند، تشخیص دهد و آنها را به صورت اتوماتیک به بسته بندی بفرستد و کیک هایی که نیاز به پخت دارند را دوباره برای پختن ارسال کند.
یکی دیگر از دلایل استفاده از بینایی ماشین قابلیت دیدن و اندازه گیری محصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است. عناصر تشکیل دهنده یک سیستم بینایی ماشین نرم افزار هوشمند بینایی است که ورودی خود را از دوربین های نصب شده در بخش های مختلف خط تولید می گیرد و بر اساس تصاویر دریافتی دستورات لازم برای کنترل ماشین های صنعتی را صادر می کند
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 پردازش تصویر به شرح زیر است.

افزایش سرعت و کیفیت تولی
کاهش ضایعات
اصلاح روند تولید
گسترش کنترل کیفیت
ماشین بینایی و پردازش تصویر در اتوماسیون صنعتی
قابلیت های چشم انسان همراه با توانایی تحلیل و تصمیم گیری مغز سبب شده است تا این عضو در بسیاری از فعالیت های صنعتی به عنوان یک ابزار بازرسی مناسب به کار آید. با این حال پیشرفت روش های تولید، پیچیدگی فرایندها و افزایش سرعت تولید مانع از عملکرد دقیق چشم انسان در همه موارد شده است. از طرفی برخی محیط های تولید برای انسان خطراتی در پی دارد، از این رو بیش از یک دهه است که بینایی ماشینی در صنایع مختلف به طور مؤثر و کارآمد برای کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم‌های خود هدایت شونده به کار می رود.
بینایی ماشینی(Machine Vision) عبارت است از مهندسی به کارگیری قابلیت های علوم مکانیک، اپتیک، ا لکترونیک و نرم افزار برای بازرسی مواد و اشیای طبیعی، محصولات تولیدی انسان و فرایندهای تولید، به منظور تشخیص عیوب و بهبود کیفیت و ایمنی محصولات و فرایندها.
از ميان همه شاخه‌هاي هوش مصنوعي كاربردي‌ترين آن‌ها كامپيوتري و مكانيزه كردن سيستم‌هاي بينايي می باشد. دامنه كاربرد اين شاخه از فناوري بسيار وسيع است و از كاربردهاي عادي و معمولي مثل كنترل كيفيت خط توليد و نظارت ويدئويي گرفته تا تكنولوژي‌هاي جديد مثل اتومبيل‌هاي بدون راننده را دربرگرفته است. دراين جا بررسي‌ خود را با یک مثال انجام مي‌دهيم. سيستم كنترل كيفيت خط توليد است كه شامل نحوه عكس‌برداري و ذخيره و شيوه تفسير عكس‌هاي گرفته شده به‌صورت خودكار است

كنترل كيفيت خط توليد


شكل 1- نماي ساده شده‌اي از يك سيستم بينايي كنترل كيفيت خط توليد غيرواقعي

يكي از كاربردهاي بينايي ماشين در كنترل كيفيت خروجي كارخانه‌ها مي‌باشد. شكل 1 مثالي بسيار ساده از چنين سيستمي است. اجناس توليد‌شده در كارخانه كه برروي يك نوار نقاله قرار گرفته‌اند و توسط يك دوربين CCD براي آزمايش ديده مي‌شوند و محصولات با كيفيتِ مناسب اجازه عبور پيدا خواهندكرد. چنانچه محصولي داراي استانداردهاي مناسب نباشد از ادامه مسير حذف مي‌شود. معيار اين استانداردها مي‌تواند لبه‌هاي زائد، خراشيدگي و بادكردگي و تورم روي فلزات و بسياري چيزهاي ديگر باشد.
عكس‌برداري
اولين مسأله و مشكل ما اين است كه چگونه عكس‌هاي تهيه شده از اشيايي كه در حال حركت بر روي نوار نقاله هستند را تبديل به داده‌هاي قابل فهم و تفسير براي سيستم نماييم، كه اين مشكل توسط دوربين CCD حل مي‌شود. عملكرد اين دوربين را مي‌توان به عملكرد چشم انسان كه قادر است سطوح مختلف نور را تشخيص دهد تشبيه نمود.

چشم انسان
چشم انسان كه در شكل 2 نشان داده شده است، تقريباً يك عدسي كروي با قطر 5/2 سانتي‌متر مي‌باشد كه از چندين لايه مختلف كه دروني‌ترين آن‌ها شبكيه نام دارد تشكيل شده است. ماهيچه‌هاي اطراف چشم اندازه لنز را تنظيم مي‌كنند كه اين‌كار چشم را قادر به زوم كردن روي اشياء مي‌كند.
وظيفه عدسي چشم، فرم و شكل دادن به تصويري است كه توسط ميليون‌ها سلول گيرنده مخروطي و ميله‌اي گرفته شده و برروي پرده شبكيه افتاده است، مي‌باشد. سلول‌هاي ميله‌اي به يك عصب معمولي كه از انتها به شبكيه ختم مي‌شود و فقط در سطح نور پايين فعال است متصلند و سلول‌هاي مخروطي هر كدام به يك عصب اتصال دارند. آن‌ها در نورهاي شديدتر، بيشتر فعالند و ميزان درك ما از رنگ‌ها را نوع فعاليت اين‌ مخروط‌ها مشخص مي‌كند.







در ميان شبكيه ناحيه‌اي به‌نام نقطه كور وجود دارد كه در آن هيچ‌ گيرنده‌اي موجود نيست. در اين ناحيه اعصاب به‌صورت جداگانه به عصب بينايي كه سيگنال‌هاي دريافت شده را به قشر بينايي مخ انتقال مي‌دهند، وصل مي‌شود.
دوربين CCD
CCD از جهت عملكرد تقريباً مانند چشم انسان كار مي‌كند. نور از طريق يك عدسي وارد دوربين و برروي يك پرده مخصوص تصوير مي‌شود كه تحت عنوان تراشه CCD شناخته مي‌شود. تراشه CCD كه تصاوير با استفاده از آن گرفته مي‌شوند از تعداد زيادي سلول تشكيل شده كه همگي در يك تراشه با ا لگوي خاصي مرتب شده‌اند و تحت عنوان پيكسل شناخته مي‌شوند.
زماني كه تراشه CCD اين اطلاعات را دريافت مي‌كند، آن‌ها را به شكل سيگنال‌هاي ديجيتالي از طريق كابل‌هايي به سيستم دريافت‌كننده مي‌فرستد و بعد تصاوير در اين سيستم به صورت مجموعه‌اي از اعداد ذخيره مي‌شوند. همان‌طور كه در شكل 3 مي‌بينيد هر عدد نماينده يك پيكسل است.



شكل3- تصوير وسط يك نماي نزديك از چشم ماهي را نمايش مي دهد و نشان مي دهد كه هر قسمت از يك تصوير چگونه با تعدادي مقادير عددي ذخيره مي شود. به تعداد داده هاي عددي مورد نياز براي ذخيره يك فضاي كوچك از تصوير توجه كنيد.
درك تصوير
با هر تصوير، چه با دوربين گرفته شود و چه با چشم انسان، مقداري تحريف و تغيير شكل و
به عبارتي "نويز" وجود دارد. البته در مورد مثال ما در سيستم خط توليد اين مسأله چندان اهميت ندارد اما در موقعيت‌هايي كه نياز به دقت بالا وجود دارد بايد از نورپردازي خاصي براي تصويربرداري استفاده شود.


شكل 4- ترسيم لبه. شكل اول تصوير اصلي مي‌باشد. در شكل وسط نويزها با فيلترنمودن ا‌ز بين رفته است. در نهايت شكل 3، تصوير حاصل از به‌كار بردن الگوريتم ترسيم لبه مي‌باشد.

انسان‌ براي درك تصاويري كه مي‌بيند نيازي ندارد هيچ كاري در مورد ----- كردن و از بين بردن نويزهاي يك تصوير انجام دهد. مثلاً در يك روز ابري كه مه همه جا را فرا گرفته، ديد ما به شدت ضعيف و دچار مشكل مي‌شود. اما هر آنچه را كه قادر به ديدنش باشيم درك مي‌كنيم. يعني براي درك اشياء نيازي به حذف نويزهاي تصوير نيست.یا مثلاً اگر در اين روز در حال رانندگي در يك جاده باشيد و تصوير مبهمي از يك ماشين را مقابل خود ببينيد، با لطبع عكس‌ا لعمل نشان مي‌دهيد و به عبارتي سرعت خود را كم مي‌كنيد.
اين يعني ما هنوز تصوير ماشين را عليرغم وجود مه مي‌توانيم تشخيص دهيم و در مقابل آن عكس‌ا لعمل نشان‌دهيم اين يعني با قدرت بينايي انسان، عليرغم خراب شدن تصاوير اطراف، مي‌توانيم متوجه فضاي اطراف خود بشويم. اما براي بينايي ماشين ابتدا بايد اين نويزها طي فرآيندي كه تصفيه كردن يا -------- ناميده مي‌شود، از بين برود و بعد هر آنچه براي پردازش عكس لازم است انجام شود.
خوشبختانه در حال حاضر تكنيك‌هايي براي انجام اين كار وجود دارد. از بين بردن نويزها به‌صورت نرمال توسط تعدادي از توابع رياضي يا الگوريتم‌هايي كه تحت عنوان 'treshholding' يا 'quantizing' ناميده مي‌شود انجام مي‌گردد. زماني كه خرابي‌ها از بين رفت، مي‌توانيم پردازش عكس‌ها را ادامه دهيم كه اين كار با استخراج صورت‌ها و حالت‌ها از يك تصوير انجام مي‌شود. يك شيوه معمول كه غالباً مورد استفاده قرار مي‌گيرد استخراج لبه‌ها كه در شكل 4 ديده مي‌شود، مي‌باشد.
در مورد مثال ما در سيستم خط توليد، وظيفه اصلي يك اپراتور كنترل كيفيت اين است كه به سرتاسر محصول توليد شده نگاه كرده و با مقايسه آن با استانداردهاي مورد قبول، براي محصول توليد‌شده جواز عبور يا عدم عبور صادر كنند.
اگر اين كار با استفاده از بينايي ماشين صورت گيرد بايد عكس گرفته شده از محصول توليد شده با عكسي كه از يك محصول استاندارد وجود دارد مقايسه ‌شود. يكي از روش‌هاي انجام اين كار به اين صورت است:
براي انجام اين‌كار، يك تصوير از محصول استاندارد در كامپيوتر ذخيره مي‌شود و سپس از محصولا‌تي كه از خط توليد عبور مي‌كنند. تصوير گرفته مي‌شود و به عنوان نقشه لبه ذخيره مي‌شود. و بعد سيستم، تصوير گرفته شده را از چپ به راست و از بالا به پايين به‌گونه‌اي كه در هر زمان فقط يك رقم عبور كند، مي‌لغزاند و عدد ظاهر شده در هر موقعيت را با عدد همان موقعيت در تصوير اصلي مقايسه مي‌كند و در صورت تفاوت آن را اعلا‌م مي‌نمايد.
لذا عمليات بينايي كامپيوتر در حقيقت مقايسه دو مجموعه عدد است كه اگر تفاوت اين دو مجموعه از يك محدوده خاص فرارتر برود، از پذيرفتن محصول امتناع شده و در غير اين‌صورت محصول‌ پذيرفته مي‌شود.
دررباتیک: سیستم های بینایی ماشینی پیشرفته، به ربات این توانایی را می دهد تا قطعه یا زیرمجموعه را بدون توجه به چرخش یا بزرگی آن در محل مربوطه قرار دهد. برای هدایت ماشین در چنین سطحی معمولا سیستم بینایی، موقعیت قطعات را برای ربات مشخص می کند، موقعیت صحیح تثبیت و قرارگیری قطعه را تعیین و این اطلاعات را برای انجام مراحل مجموعه سازی به ربات ارسا ل می کند
حمل نقل
در حمل ونقل نیز میتوان به تعدادی از کاربرد های پردازش تصویر از جمله تشخیص شماره پلاک خودرو و نرم افزار شمارش خودروهای عبوری از عرض خیابان اشاره کرد
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 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.











Digital image processing
Digital image processing is the use of computer algorithms ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) to perform image processing ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) on digital images ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]). As a subfield of digital signal processing ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), digital image processing has many advantages over analog image processing; it allows a much wider range of algorithms to be applied to the input data, and can avoid problems such as the build-up of noise and signal distortion during processing.
Contents

History ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Tasks ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Applications ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] )

Digital camera images ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]_camera_imagesDig ital_camera_images)

References ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

History
Many of the techniques of digital image processing, or digital picture processing as it was often called, were developed in the 1960s at the Jet Propulsion Laboratory ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), MIT ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), Bell Labs ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), University of Maryland ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), and a few other places, with application to satellite imagery ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), wirephoto standards conversion, medical imaging ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), videophone ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), character recognition ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), and photo enhancement.But the cost of processing was fairly high with the computing equipment of that era. In the 1970s, digital image processing proliferated, when cheaper computers and dedicated hardware became available. Images could then be processed in real time, for some dedicated problems such as television standards conversion ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]). As general-purpose computers became faster, they started to take over the role of dedicated hardware for all but the most specialized and compute-intensive operations
With the fast computers and signal processors available in the 2000s, digital image processing has become the most common form of image processing, and is generally used because it is not only the most versatile method, but also the cheapest
Tasks
Digital image processing allows the use of much more complex algorithms for image processing, and hence can offer both more sophisticated performance at simple tasks, and the implementation of methods which would be impossible by analog means.
In particular, digital image processing is the only practical technology for:

Classification ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Feature extraction ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Pattern recognition ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Projection ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Multi-scale signal analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

Some techniques which are used in digital image processing include:

Principal components analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Independent component analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Self-organizing maps ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Hidden Markov models ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Neural networks ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

Applications
Further information: Imaging ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Digital camera images
Digital cameras generally include dedicated digital image processing chips to convert the raw data from the image sensor into a color-corrected image in a standard image file format. Images from digital cameras often receive further processing to improve their quality, a distinct advantage digital cameras have over film cameras. The digital image processing is typically done by special software programs that can manipulate the images in many ways.
Many digital cameras also enable viewing of histograms ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) of images, as an aid for the photographer to better understand the rendered brightness range of each shot.

samaneh-67
19-11-2009, 19:34
کاربرد های پردازش تصویر

مقدمه
پيدايش علوم و فنون جديد جوامع بشري را با شكلهاي مختلفي روبرو نموده است توليد فزاينده اطلاعات به شكلهاي مختلف صورت مي گيرد و با درجات متفاوتي از پيچيدگي همراه است.
در نتيجه نياز به سيسمتهاي پردازش اطلاعات بصورت روزا فزون ا فزايش مي يابد، يكي از اين مسائل مهم كه شاخه اي از هوش مصنوعي است، پردازش تصوير است.
امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت ودر نهایت تصمیم گیری صحیح می باشد در مورد انسان نیز به همین صورت است اطلاعات از طریق چشم به مغز ارسال می شود و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند
هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان درقبال داده های در یافتی از چشم
نمی باشد زیرا این عملیات بسیار پیچیده و حجیم است بلکه هدف انجام پردازش های خاص برای استخراج ویژگی مورد نیاز برای رسیدن به اهداف از پیش تعیین شده می باشد

تعریف
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصاویر دیجیتالی گفته می‌شود که با پردازش سیگنال های دیجیتال که نماینده تصاویر برداشته شده با یک دوربین دیجیتال هستند، سر و کار دارد
در معنای خاص پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم.خروجی هم می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد.
یک تصویر از لحظه ورود به سیستم پردازش تصویر تا تولید تصویر خروجی، به ترتیب مراحل زیر را طی می کند:
دریافت تصویر ورودی
در این مرحله تصویر از ورودی خوانده شده و وارد سیستم می شود تصویر ورودی می تواند بر روی ابزار ذخیزه سازی بوده یا از یک دوربین گرفته شود به عنوان مثال در سیستم تشخیص اثر انگشت ورودی از طریق اسکنر اثر انگشت وارد سیستم می شود
پیش پردازش تصویر(پردازش سطح پایین)
اهداف کلی این مرحله را می توان ارتقاء تصویر و حذف مو لفه های غیر ضروری از تصویر(حذف نویز) دانست به عنولن مثال خشکی پوست جراحت و یا عدم تمیزی پوست مواردی هستند که قبل از پردازش تصویر انگشت باید با استفاده از تکنیکهای پردازش تصویراز جمله (ترمیم تصاویر.بالا بردن دقت عکس. عمل کانولوشن یا فیلتر کردن و هیستوگرام تصویر) به رفع آنها پرداخت مشخصه اين نوع پردازش اين است که ورودی و خروجی آن تصوير هستند
پردازش تصویر(پردازش سطح میانی)
هدف کلی در این مرحله شناسایی ویژگی هایی از تصویر است که بتوان از آنها برای کاربر مورد نظر خود استفاده کرد شناسایی نقاط ویژه و انحنا ها طبقه بندی يا تشخيص اشياء مختلف از جمله (عملیات تشخیص لبه و بخش بندی تصاویر) ویژگی هایی هستند که در سیستم تشخیص اثر انگشت می توانند استخراج گردند ويژگی اين پردازش اين است که ورودی آن معمولا تصوير و خروجی آن صفاتی از اشياء تصوير مانند لبه ها، کانتورها و تشخيص اشياء است.
آنالیز تصویر(پردازش سطح بالا)
در این مرحله با استفاده از ویژگی های استخراج شده به آنا لیز تصویر می پردازیم پردازش سطح بالا شامل فهميدن روابط بين اشياء تشخيص داده شده، استنباط و تفسير صحنه و انجام تفسير و تشخيص هايی است که سيستم بينايی انسان انجام می دهد به عنوان مثال بعد از تشخیص نقاط ویژه
انگشت را پیدا کنیم آنا لیز تصویر معمولا از تکنیکهای هوش مصنوعی و سیستم بینایی ماشین همانند شبکه های عصبی درخت تصمیم کلاس بندی و.... استفاده می کند

تصاویر دیجیتالی
یک تصویر را می توان توسط تابع دوبعدی( f(x,y نشان داد که در آن X و Y را مختصات مکانی و مقدار f در هر نقطه را شدت روشنایی تصویر درآن نقطه می نامند اصطلاح سطح خاکستری نیز به شدت روشنایی تصاویر اطلاق میشود
زمانی که مقادیر X و Y و مقدار( f(x,y با مقادیر گسسته و محدود بیان شوند ، تصویر را یک تصویر دیجیتالی می نامند
برای نمایش یک تصویر M * N از یک آرایه دو بعدی ( ماتریس) که M سطر و N ستون دارد استفاده می کنیم مقدار هر عنصر از آرایه نشان دهنده شدت روشنایی تصویر در آن نقطه است. هر عنصر آرایه یک مقدار 8 بیتی است که می تواند مقداری بین 0 و 255 داشته باشد. مقدار صفر نشان دهنده رنگ تیره ( سیاه ) و مقدار 255 نشان دهنده رنگ روشن ( سفید ) است.
به عنوان مثال تصویر زیرکه سایز آن 288 * 265 است از یک ماتریس که دارای 288 سطر و 265 ستون است برای نمایش تصویر استفاده می کند .







پیکسل ها نقاط بسیار ریز مربعی شکلی هستند که از تجمع آنها، تصویر روی صفحه نمایش یا روی کاغذ شکل می­گیرد هر پیکسل از این تصویر نیز مقداری بین 0 و 255 دارد . نقاط روشن مقادیری نزدیک به 255 و نقاط تیره مقادیر نزدیک به 0 دارد. همه توابع پردازش تصویر از این مقادیر استفاده کرده و اعمال لازم را بر روی تصویر انجام می دهند.


تکنیکهای پردازش تصویر ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4_%D8%AA%D8%B5%D9%8 8%DB%8C%D8%B1)
· ترمیم تصاویر
o میانگیری از تصاویر
o عملیات فیلترینگ
· هیستوگرام تصویر ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4_%D8%AA%D8%B5%D9%8 8%DB%8C%D8%B1#.D9.87.DB.8C.D8.B3.D8.AA.D9.88.DA.AF .D8.B1.D8.A7.D9.85_.D8.AA.D8.B5.D9.88.DB.8C.D8.B1# .D9.87.DB.8C.D8.B3.D8.AA.D)
· ترمیم تصاویر
بیشتر تصاویری که توسط ماهواره‌ها یا رادار‌ها ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) ثبت می‌گردند، اختلالاتی در تصویر به وجود می‌آید برای از بین بردن این نوع اختلالات ارتقای تصاویرو بالا برن دقت عکس ها از عملیاتی چون میانگیری از تصاویر و عملیات فیلترینگ یا کانونولوشن استفاده می شود
میانگین گیری از تصاویر
فرض کنید چند تصویر یکسان داریم که بر روی هرکدام از آنها نویزهای مختلفی وجود دارد و می خواهیم کیفیت این تصاویر را ارتقا دهیم. در چنین مواردی می توان از میانگن گیری از همه تصاویر استفاده کنیم . بدین صورت که مقادیر پیکسل های متناظر در همه تصاویر را باهم جمع کرده و سپس به تعداد کل تصاویر تقسیم کنیم. بدیهی است که هرقدر تعداد تصاویر برای میانگین گیری بیشتر باشد ، تصویر حاصل از میانگین گیری آنها نیز بیشتر به واقعیت نزدیک خواهد بود. به عنوان مثال مجموعه تصاویر زیر، تصویر بدون نویز ، تصاویر نویز دار و حاصل میانگین گیری از تصاویر نویز را نشان می د هد:















تصویر نویزدار

تصویر نویزدار

تصویر نویزدار

تصویر نویزدار

تصویر بدون نویز





میانگین تصاویر


عملیات فیلترینگ
برای انجام تبدیلات در هر دو حوزه مکانی از فیلترها استفاده می کنیم .فیلترها در به دو دسته تقسیم می شوند
· فیلترهای پائین گذر: در حالت کلی باعث مات شدن پیکسل ها می شوند. ( لبه ها و نویزها تا حدودی آرام می شوند ) و تصویری تقریبا آرام بدست می آید
· فیلترهای بالا گذر: جهت تیزکردن لبه ها و سایر جزئیات پیکسل ها استفاده می شونددر نتیجه با اعمال فیلتر بالاگذر نیز تصویری با جزئیات بیشتر به دست می آید
شکل زیر تصویری را پس از اعمال فیلتر پایین گذر و بالا گذر نشان می دهد :




تصویر تیز شده







تصویر آرام شده





تصویر اصلی


· هیستوگرام تصویر
در هر تصویر رقومی، مقادیر پیکسل‌ها 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 ۰-۲۵۵) در طول محور X بیان شده و میزان فراوانی هر مقدار در محور Y بیان می‌گردد.
یکی از کاربـردهـای هیستوگرام در فوکوس خودکـار دوربین های دیجیتالی است. بـدین صورت که لنز دوربین از ابتدا تا انتها حرکت کرده و در هر گام از حرکت خود تصویری از صحنه می گیرد. سپس کنتراست تصویر گرفته شده را با استفاده از هیستوگرام آن محاسبه می کند. پس از آن که لنز به انتهای حرکتی خود رسید، محلی از حرکت لنز که در آن تصویر دارای بیشترین کنتراست خود بوده است، به عنوان محل لنز تعیین می گردد
تعدیل هیستوگرام
یکی دیگر از کاربردهای هیستورگرام در افزایش کنتراست تصاویر با کنتراست پایین است. زمانی که می گوییم کنتراست تصویری کم است این بدان معنا است که اختلاف بین کمترین و بیشتری شدت روشنایی تصویر کم است. هم تعدیل سازی هیستوگرام موجب می شود که کنتراست تصویر ورودی تا حد ممکن افزایش یابد. به عنوان مثال شکل زیر تصویری را قبل و بعد از تعدیل سازی هیستوگرام نشان می دهد:











تصویر خروجی پس از تعدیل هیستوگرام

تصویر ورودی و هیستوگرام آن

عملات تشخیص لبه و بخش بندی تصاویر
معمولاً مرحله اول در تحلیل تصویر، بخش بندی است. با عمل بخش بندی، تصویر به قسمت­های تشکیل دهنده­اش تقسیم می­شود. میزان بخش بندی، به موضوع مورد نظر بستگی دارد. یعنی وقتی اشیای مورد علاقه کاربرد مورد نظر از هم جدا شدند، باید بخش بندی متوقف شود
مفهوم بخش بندی تصویر بر اساس ناپیوستگی یا شباهت مقادیر سطوح خاکستری را می­توان برای هر دو نوع تصویر ثابت و متحرک به کار برد از الگوریتم­های بخش بندی تصاویر تک رنگ، برای آشکارسازی خطوط و لبه­های تصاویر استفاده شد.
در يک تصوير، مرز ميان يک شيء و زمينه و يا مرز ميان اشياء همپوشان را لبه تعريف مي‌کنند.در حالت ايده‌آل اگر فرض شود که مقدار شدت روشنايي هر تصوير يکنواخت و با مقادير شدت روشنايي اشياء مجاورش متفاوت باشد، آنگاه هرگونه تغيير قابل ملاحظه در مقدار شدت روشنايي را مي‌توان لبه در نظر گرفت
با اين تعريف، اگر لبه‌هاي يک تصوير مشخص شوند مکان تمام اشياء موجود در تصوير مشخص شده و خواص اساسي آنها از قبيل سطح، محيط و غيره به راحتي قابل اندازه‌گيري خواهند بود که یک نمونه از بخش بندی و آشکار سازی لبه در شکل زیر نشان داده شده است:





کاربردهای پردازش تصویر

کاربرد پردازش تصویردر چند زمینه ی مختلف عبارتند از ، هواشناسی، شهرسازی، کشاورزی، علوم نظامی و امنیتی، نجوم و فضا نوردی، پزشکی، تبلیغات، سینما، روانشناسی و زمین شناسی و مهمترین آنها اتوماسیون صنعتی که در ادامه درباره هر کدام مختصراً بحث شده است.
هواشناسی
از آنجایی که در علم هواشناسی تشخیص و پیش بینی آب و هوا اکثراً از طریق تصاویر هوایی و ماهواره ای انجام می گیرد، پردازش تصویر در این علم کاربرد زیادی دارد و دقت و سرعت پیش بینی آب و هوا و طوفان ها را بسیار بالا می برد. جبهه های پرفشار، کم فشار، گردبادها و گرداب های بوجود آمده در سطح کره زمین را می توان مشاهده کرد.

شهرسازی
با مقایسه عکس های مختلف از سال های مختلف یک شهر می توان میزان گسترش و پیشرفت آن را مشاهده کرد.قبل از ساختن یک شهر می توان آن را توسط کامپیوتر شبیه سازی کرد که به صورت دو بعدی از بالا و حتی به صورت سه بعدی از دید های مختلف، یک شهرک چطور ممکن است به نظر برسد. تصاویر ماهواره ای که از شهرها گرفته می شود، می تواند توسط فیلتر های مختلف پردازش تصویر فیلتر شود و اطلاعات مختلفی از آن استخراج شود. به طور مثال این که شهر در چه قسمت هایی دارای ساختمان ها، آب ها یا راه های بیشتری است و همین طور می توان جاده هایی که داخل یا خارج از شهر کشیده شده اند را تحلیل کرد.

کشاورزی
این علم در بخش کشاورزی معمولاً در دو حالت کاربرد دارد. یکی در پردازش تصاویر گرفته شده از ارتفاعات بالا مثلاً از هواپیما و دیگری در پردازش تصاویر نزدیک به زمین.
در تصاویر دور به عنوان مثال می توان تقسیم بندی اراضی را تحلیل کرد. همچنین می توان با مقایسه تصاویر دریافتی در زمان های متفاوت میزان صدمات احتما لی وارد به محیط زیست را دید. به عنوان مثال می توان برنامه ای نوشت که با توجه به محل رودخانه ها و نوع خاک مناطق مختلف، به صورت اتوماتیک بهترین نقاط برای کشت محصولات مختلف را تعیین می کند.
تصاویر نزدیک هم در ساخت ماشین های هرز چین اتوماتیک کاربرد دارد. امروزه ماشین های بسیار گران قیمت کشاورزی وجود دارند که می توانند علف های هرز را از گیاهان تشخیص بدهند و به صورت خودکار آنها را نابود کنند.

علوم نظامی و امنیتی
پردازش تصویر بخصوص بینایی هوشمند، کاربردهای بسیاری را در علوم نظامی و ا منیتی دارند و این کاربرد برای دولت اکثر کشورها بسیار مهم است. به عنوان مثال موشک هدایت شونده خودکاری وجود دارد که می تواند روی در یک ساختمان قفل کند و حتی می تواند به درز بین در و دیوار آن ساختمان که حساس ترین جای ساختمان است به راحتی نفوذ کند. این موشک به صورت اتوماتیک این قسمت را شناسایی کرده و به سمت آن حمله می کند.
در مسائل امنیتی هم کاربرد پردازش تصویر کاملاً در زندگی ما مشهود است. دوربین های که به صورت اتوماتیک از ماشین هایی که تخلف رانندگی انجام می دهند عکس برداری می کند.
از سیستم های امنیتی و تشخيص هويتی میتوان تشخيص چهره ، تشخيص کف دست ، تشخيص عنبيه و سیستم تشخیص اثر انگشت اتوماتیک را نام برد. در لپ تاپ های جدید قابلیت finger print به آنها اضافه شده و می تواند صاحب لپ تاپ را توسط اثر انگشت شناسایی کند.
کد امنیتی دیگری که همیشه همراه انسان حمل می شود، چشم انسان است. دانشمندان ثابت کرده اند که پترن های موجود در مردمک چشم هر انسان منحصر به فرد است و هیچ دو فردی در دنیا وجود ندارند که پترن هایی که در مردمک چشم آنها وجود دارد دقیقاً مثل هم باشد. از همین روش برای شناخت ا فراد و سیستم های امنیتی استفاده می شود




در کل این خواص بیومتریک در انسان بسیار زیاد است. عرض و طول صورت، فاصله بین انگشتان دست، طول و عرض انگشت ها، فاصله ی بندها از یکدیگر و حتی خط های کشیده شده کف دست و هزاران خاصیت دیگر، تماماً خصوصیاتی هستند که برای انسان ها منحصر به فرد هستند.دوربین هایی وجود دارند که به صورت دید در شب، قادر هستند چیزهایی را که ما نمی بینیم، ببینند و پردازش کنند.اسلحه های خودکاری ساخته شده اند که به صورت اتوماتیک و دقیق نشانه گیری می کنند.
پردازش تصویر همینطور با پردازش تصاویر گرفته شده از فاصله های دور هم می تواند در علوم نظامی و امنیتی کمک کند.به عنوان مثال دوربینی قادر است با سرعت بسیار زیاد یک توپ را دنبال کند.این مسئله کاربرد بسیار زیادی در مسائل نظامی دارد.

نجوم و فضا نوردی
ساخت دستگاه های اتوماتیک رصد آسمان و ثبت وقایع آسمانی به صورت خودکار از کاربردهای پردازش تصویر است که امروزه روی آن کار می شود.
از پروژه های جدید در بخش نجوم که بخشی از آن توسط سیستم پردازش تصویر انجام می شود، تهیه نقشه سه بعدی از کل عالم کائنات است !
پردازش تصویر در فضانوردی هم کاربرد زیادی دارد. در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده و اطلاعات بسیار ریزی از آنها استخراج کنیم.
کاربرد دیگر پردازش تصویر در فیلتر کردن عکس هایی است که توسط تلسکوپ های فضایی مختلف از جمله هابل از فضا گرفته می شود.


پزشکی
یکی از مهمترین کاربردهای پردازش تصویر در علم پزشکی است. در جایی که ما نیاز داریم تمام عکس ها با نهایت شفافیت و وضوح گرفته شوند زیرا دیدن تمام جزئیات لازم است. جراحی های ریز microsurgery با استفاده از تکنيک های پردازش تصوير، مدل دوبعدی يا سه بعدی بافت يا عضوی که قرار است جراحی شود به دست آمده و جراح را درطول عمل راهنمايی می کند و با ایجاد یک سوراخ کوچک و فقط دیدن محل جراحی توسط پزشک، از راه دور و توسط بازوهای رباتیک بسیار دقیق انجام می شوند و همچنین درتفکيک بافتهای مختلف از آنجايی که بافتهای مختلف دارای مشخصات مختلف از جمله نفوذ پذيری متفاوت هستند، می توان با تکنيکهای بخش بندی تصوير، بافتهای مختلف را تشخيص داد. از جمله می توان بافتهای سرطانی يا محل دقيق تومرهای مغزی را تشخيص داد.





تبلیغات
از مقایسه تبلیغات دهه ی 70 و 80 میلادی با تبلیغات امروزی می توان تأثیر تکنولوژی را در تبلیغات کاملاً درک کرد. تغییر شکل تبلیغات از اشکال مربع و زاویه دار به شکل های دایره ای، تغییر رنگ تبلیغات و هزاران تغییر دیگر. یکی از مهمترین فاکتورهای فروش و دلایل بالا رفتن یا پایین آمدن فروش، شکل و نحوه ی بسته بندی کالاست. پردازش تصویر می تواند به ما کمک کند تا قبل از تولید یک بسته بندی آن را شبیه سازی کنیم. با ادغام کردن علم ا لگوریتم ژنتیک با پردازش تصویر می توان برنامه ای را نوشت که به صورت اتوماتیک به ساختن بسته بندی های مختلف بپردازد و آنهایی که از نظر کاربران زیباتر و جالب تر به نظر خواهند آمد را به ما معرفی نماید.
سینما
اولین علمی که پردازش تصویر در آن مورد استفاده قرار گرفت، هنر و سینما بود.همچنین در موارد مختلف از جمله انيميشن بدن و چهره کاربرد فراوان دارند .
برای تعقيب حرکات نواحی مختلف بدن توسط اين مدل، می توان سنسورهايی در نقاط مختلف بدن نصب کرده و حرکات بدن شخص را به مدل انتقال داد.
استفاده از اين روش برای مدل چهره مناسب نيست، چرا که برای تعقيب حرکات صورت و مخصوصاً لبها، نمی توان به راحتی از سنسور استفاده کرد و اين حرکات بايستی با روشهای پردازش تصوير استخراج و به مدل انتقال يابد.
ويژگی های مهم چهره که در انيميشن اهميت بالايی دارند، عبارتند از چشمها، ابروها و لبها.مدل لبها به دليل قابليت فرم پذيری بالايی که دارند اهميت بيشتری د ارد. تعقيب حرکات لبها در انيميشن بسيار اهميت داشته و با روشهای پردازش تصوير ، می توان با تعقيب حرکات لب شخص، ادای کلمات توسط مدل انيميشن را طبيعی تر جلوه داد .
یکی از تکنولوژی های برتر دنیا motion capture است که در آن یک کاراکتر انیمیشنی قادر است حرکات دست انسان را تقلید کند. امروزه این سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
در پردازش تصویربا قابلیت هیستوگرام قادرند تصاویر را شفاف یا تیره تر کرده و یا هر تغییر مورد نیاز دیگری را روی تصاویر با توجه به منحنی ها و نمودارهای هیستوگرام بدهند.
در سینما برای اینکه تصویری شفاف به نظر آید، با استفاده از یک کره ی نقره ای رنگ، تصاویر اطراف دوربین را هم ثبت می کنند. بنابراین تصویر نسبت به محیط اطراف خود شفافیت غیر قابل تصوری پیدا می کند.

روانشناسی
بحث تاثیر رنگ در روحیه انسان ا همیت بسیار زیادی دارد به طوری که در روانشناسی گرایشی به نام روانشناسی رنگ وجود دارد. در این علم در مورد رنگ ها و تأثیر هر یک بر روح و جسم انسان صحبت می شود. به عنوان مثال رنگ قرمز بیشتر تأثیر را در چشم انسان دارد. در حالی که رنگ سبز بیشترین تأثیر را در مغز انسان دارد.
همچنین رنگ آبی باعث ایجاد حس آرامش و اطمینان در انسان می شود. به همین دلیل در سخنرانی های اکثر سیاستمداران دنیا ا ز پرده آبی رنگ در پشت سر آن ها استفاده می شود.
با پردازش تصویر می توان به راحتی تصاویر ثابت و متحرک را ویرایش کرد. به طور مثال رنگ آبی را برای ایجاد حس اطمینان یا رنگ سبز را برای حس زیبایی و قرمز را برای ایجاد هیجان در تصاویر پر رنگ تر کرد.


زمین شناسی
با پردا زش تصویر می توان کانی های مختلف را از روی رنگ و اندازه آن ها شناسایی و دسته بندی کرد. همچنین در زمین شناسی برای پی بردن به مواد تشکیل دهنده کانی ها از روش پرتونگا ری استفاده می کنند و پردازش تصویر در این بخش می تواند سرعت و دقت این روش را بسیار بالا ببرد. کاربرد دیگر آن این است که دانشمندان با مقایسه کردن ارتفاع آب در سال های مختلف، در وا قع روند تند شدن یا کند شدن کاهش آّب در سطح زمین را مورد بررسی قرار می دهند
اتوماسین صنعتی
امروزه کمتر کارخانه پیشرفته ای وجود دارد که بخشی از خط تولید آن توسط برنامه های هوشمند بینایی ماشین کنترل نشود. خطای بسیار کم، سرعت زیاد، هزینه نگهداری بسیار پایین، عدم نیاز به حضور اپراتور 24 ساعته و خیلی مزایای دیگر باعث شده که صنایع و کارخانه ها به سرعت به سمت پردازش تصویر و بینایی ماشین روی بیاورند. دستگاهی ساخته شده که قادر است کیک های پخته را از کیک هایی که نیاز به پخت مجدد دارند، تشخیص دهد و آنها را به صورت اتوماتیک به بسته بندی بفرستد و کیک هایی که نیاز به پخت دارند را دوباره برای پختن ارسال کند.
یکی دیگر از دلایل استفاده از بینایی ماشین قابلیت دیدن و اندازه گیری محصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است. عناصر تشکیل دهنده یک سیستم بینایی ماشین نرم افزار هوشمند بینایی است که ورودی خود را از دوربین های نصب شده در بخش های مختلف خط تولید می گیرد و بر اساس تصاویر دریافتی دستورات لازم برای کنترل ماشین های صنعتی را صادر می کند
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 پردازش تصویر به شرح زیر است.

افزایش سرعت و کیفیت تولی
کاهش ضایعات
اصلاح روند تولید
گسترش کنترل کیفیت
ماشین بینایی و پردازش تصویر در اتوماسیون صنعتی
قابلیت های چشم انسان همراه با توانایی تحلیل و تصمیم گیری مغز سبب شده است تا این عضو در بسیاری از فعالیت های صنعتی به عنوان یک ابزار بازرسی مناسب به کار آید. با این حال پیشرفت روش های تولید، پیچیدگی فرایندها و افزایش سرعت تولید مانع از عملکرد دقیق چشم انسان در همه موارد شده است. از طرفی برخی محیط های تولید برای انسان خطراتی در پی دارد، از این رو بیش از یک دهه است که بینایی ماشینی در صنایع مختلف به طور مؤثر و کارآمد برای کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم‌های خود هدایت شونده به کار می رود.
بینایی ماشینی(Machine Vision) عبارت است از مهندسی به کارگیری قابلیت های علوم مکانیک، اپتیک، ا لکترونیک و نرم افزار برای بازرسی مواد و اشیای طبیعی، محصولات تولیدی انسان و فرایندهای تولید، به منظور تشخیص عیوب و بهبود کیفیت و ایمنی محصولات و فرایندها.
از ميان همه شاخه‌هاي هوش مصنوعي كاربردي‌ترين آن‌ها كامپيوتري و مكانيزه كردن سيستم‌هاي بينايي می باشد. دامنه كاربرد اين شاخه از فناوري بسيار وسيع است و از كاربردهاي عادي و معمولي مثل كنترل كيفيت خط توليد و نظارت ويدئويي گرفته تا تكنولوژي‌هاي جديد مثل اتومبيل‌هاي بدون راننده را دربرگرفته است. دراين جا بررسي‌ خود را با یک مثال انجام مي‌دهيم. سيستم كنترل كيفيت خط توليد است كه شامل نحوه عكس‌برداري و ذخيره و شيوه تفسير عكس‌هاي گرفته شده به‌صورت خودكار است

كنترل كيفيت خط توليد


شكل 1- نماي ساده شده‌اي از يك سيستم بينايي كنترل كيفيت خط توليد غيرواقعي

يكي از كاربردهاي بينايي ماشين در كنترل كيفيت خروجي كارخانه‌ها مي‌باشد. شكل 1 مثالي بسيار ساده از چنين سيستمي است. اجناس توليد‌شده در كارخانه كه برروي يك نوار نقاله قرار گرفته‌اند و توسط يك دوربين CCD براي آزمايش ديده مي‌شوند و محصولات با كيفيتِ مناسب اجازه عبور پيدا خواهندكرد. چنانچه محصولي داراي استانداردهاي مناسب نباشد از ادامه مسير حذف مي‌شود. معيار اين استانداردها مي‌تواند لبه‌هاي زائد، خراشيدگي و بادكردگي و تورم روي فلزات و بسياري چيزهاي ديگر باشد.
عكس‌برداري
اولين مسأله و مشكل ما اين است كه چگونه عكس‌هاي تهيه شده از اشيايي كه در حال حركت بر روي نوار نقاله هستند را تبديل به داده‌هاي قابل فهم و تفسير براي سيستم نماييم، كه اين مشكل توسط دوربين CCD حل مي‌شود. عملكرد اين دوربين را مي‌توان به عملكرد چشم انسان كه قادر است سطوح مختلف نور را تشخيص دهد تشبيه نمود.

چشم انسان
چشم انسان كه در شكل 2 نشان داده شده است، تقريباً يك عدسي كروي با قطر 5/2 سانتي‌متر مي‌باشد كه از چندين لايه مختلف كه دروني‌ترين آن‌ها شبكيه نام دارد تشكيل شده است. ماهيچه‌هاي اطراف چشم اندازه لنز را تنظيم مي‌كنند كه اين‌كار چشم را قادر به زوم كردن روي اشياء مي‌كند.
وظيفه عدسي چشم، فرم و شكل دادن به تصويري است كه توسط ميليون‌ها سلول گيرنده مخروطي و ميله‌اي گرفته شده و برروي پرده شبكيه افتاده است، مي‌باشد. سلول‌هاي ميله‌اي به يك عصب معمولي كه از انتها به شبكيه ختم مي‌شود و فقط در سطح نور پايين فعال است متصلند و سلول‌هاي مخروطي هر كدام به يك عصب اتصال دارند. آن‌ها در نورهاي شديدتر، بيشتر فعالند و ميزان درك ما از رنگ‌ها را نوع فعاليت اين‌ مخروط‌ها مشخص مي‌كند.







در ميان شبكيه ناحيه‌اي به‌نام نقطه كور وجود دارد كه در آن هيچ‌ گيرنده‌اي موجود نيست. در اين ناحيه اعصاب به‌صورت جداگانه به عصب بينايي كه سيگنال‌هاي دريافت شده را به قشر بينايي مخ انتقال مي‌دهند، وصل مي‌شود.
دوربين CCD
CCD از جهت عملكرد تقريباً مانند چشم انسان كار مي‌كند. نور از طريق يك عدسي وارد دوربين و برروي يك پرده مخصوص تصوير مي‌شود كه تحت عنوان تراشه CCD شناخته مي‌شود. تراشه CCD كه تصاوير با استفاده از آن گرفته مي‌شوند از تعداد زيادي سلول تشكيل شده كه همگي در يك تراشه با ا لگوي خاصي مرتب شده‌اند و تحت عنوان پيكسل شناخته مي‌شوند.
زماني كه تراشه CCD اين اطلاعات را دريافت مي‌كند، آن‌ها را به شكل سيگنال‌هاي ديجيتالي از طريق كابل‌هايي به سيستم دريافت‌كننده مي‌فرستد و بعد تصاوير در اين سيستم به صورت مجموعه‌اي از اعداد ذخيره مي‌شوند. همان‌طور كه در شكل 3 مي‌بينيد هر عدد نماينده يك پيكسل است.



شكل3- تصوير وسط يك نماي نزديك از چشم ماهي را نمايش مي دهد و نشان مي دهد كه هر قسمت از يك تصوير چگونه با تعدادي مقادير عددي ذخيره مي شود. به تعداد داده هاي عددي مورد نياز براي ذخيره يك فضاي كوچك از تصوير توجه كنيد.
درك تصوير
با هر تصوير، چه با دوربين گرفته شود و چه با چشم انسان، مقداري تحريف و تغيير شكل و
به عبارتي "نويز" وجود دارد. البته در مورد مثال ما در سيستم خط توليد اين مسأله چندان اهميت ندارد اما در موقعيت‌هايي كه نياز به دقت بالا وجود دارد بايد از نورپردازي خاصي براي تصويربرداري استفاده شود.


شكل 4- ترسيم لبه. شكل اول تصوير اصلي مي‌باشد. در شكل وسط نويزها با فيلترنمودن ا‌ز بين رفته است. در نهايت شكل 3، تصوير حاصل از به‌كار بردن الگوريتم ترسيم لبه مي‌باشد.

انسان‌ براي درك تصاويري كه مي‌بيند نيازي ندارد هيچ كاري در مورد ----- كردن و از بين بردن نويزهاي يك تصوير انجام دهد. مثلاً در يك روز ابري كه مه همه جا را فرا گرفته، ديد ما به شدت ضعيف و دچار مشكل مي‌شود. اما هر آنچه را كه قادر به ديدنش باشيم درك مي‌كنيم. يعني براي درك اشياء نيازي به حذف نويزهاي تصوير نيست.یا مثلاً اگر در اين روز در حال رانندگي در يك جاده باشيد و تصوير مبهمي از يك ماشين را مقابل خود ببينيد، با لطبع عكس‌ا لعمل نشان مي‌دهيد و به عبارتي سرعت خود را كم مي‌كنيد.
اين يعني ما هنوز تصوير ماشين را عليرغم وجود مه مي‌توانيم تشخيص دهيم و در مقابل آن عكس‌ا لعمل نشان‌دهيم اين يعني با قدرت بينايي انسان، عليرغم خراب شدن تصاوير اطراف، مي‌توانيم متوجه فضاي اطراف خود بشويم. اما براي بينايي ماشين ابتدا بايد اين نويزها طي فرآيندي كه تصفيه كردن يا -------- ناميده مي‌شود، از بين برود و بعد هر آنچه براي پردازش عكس لازم است انجام شود.
خوشبختانه در حال حاضر تكنيك‌هايي براي انجام اين كار وجود دارد. از بين بردن نويزها به‌صورت نرمال توسط تعدادي از توابع رياضي يا الگوريتم‌هايي كه تحت عنوان 'treshholding' يا 'quantizing' ناميده مي‌شود انجام مي‌گردد. زماني كه خرابي‌ها از بين رفت، مي‌توانيم پردازش عكس‌ها را ادامه دهيم كه اين كار با استخراج صورت‌ها و حالت‌ها از يك تصوير انجام مي‌شود. يك شيوه معمول كه غالباً مورد استفاده قرار مي‌گيرد استخراج لبه‌ها كه در شكل 4 ديده مي‌شود، مي‌باشد.
در مورد مثال ما در سيستم خط توليد، وظيفه اصلي يك اپراتور كنترل كيفيت اين است كه به سرتاسر محصول توليد شده نگاه كرده و با مقايسه آن با استانداردهاي مورد قبول، براي محصول توليد‌شده جواز عبور يا عدم عبور صادر كنند.
اگر اين كار با استفاده از بينايي ماشين صورت گيرد بايد عكس گرفته شده از محصول توليد شده با عكسي كه از يك محصول استاندارد وجود دارد مقايسه ‌شود. يكي از روش‌هاي انجام اين كار به اين صورت است:
براي انجام اين‌كار، يك تصوير از محصول استاندارد در كامپيوتر ذخيره مي‌شود و سپس از محصولا‌تي كه از خط توليد عبور مي‌كنند. تصوير گرفته مي‌شود و به عنوان نقشه لبه ذخيره مي‌شود. و بعد سيستم، تصوير گرفته شده را از چپ به راست و از بالا به پايين به‌گونه‌اي كه در هر زمان فقط يك رقم عبور كند، مي‌لغزاند و عدد ظاهر شده در هر موقعيت را با عدد همان موقعيت در تصوير اصلي مقايسه مي‌كند و در صورت تفاوت آن را اعلا‌م مي‌نمايد.
لذا عمليات بينايي كامپيوتر در حقيقت مقايسه دو مجموعه عدد است كه اگر تفاوت اين دو مجموعه از يك محدوده خاص فرارتر برود، از پذيرفتن محصول امتناع شده و در غير اين‌صورت محصول‌ پذيرفته مي‌شود.
دررباتیک: سیستم های بینایی ماشینی پیشرفته، به ربات این توانایی را می دهد تا قطعه یا زیرمجموعه را بدون توجه به چرخش یا بزرگی آن در محل مربوطه قرار دهد. برای هدایت ماشین در چنین سطحی معمولا سیستم بینایی، موقعیت قطعات را برای ربات مشخص می کند، موقعیت صحیح تثبیت و قرارگیری قطعه را تعیین و این اطلاعات را برای انجام مراحل مجموعه سازی به ربات ارسا ل می کند
حمل نقل
در حمل ونقل نیز میتوان به تعدادی از کاربرد های پردازش تصویر از جمله تشخیص شماره پلاک خودرو و نرم افزار شمارش خودروهای عبوری از عرض خیابان اشاره کرد
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 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.











Digital image processing
Digital image processing is the use of computer algorithms ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) to perform image processing ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) on digital images ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]). As a subfield of digital signal processing ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), digital image processing has many advantages over analog image processing; it allows a much wider range of algorithms to be applied to the input data, and can avoid problems such as the build-up of noise and signal distortion during processing.
Contents

History ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Tasks ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Applications ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] )

Digital camera images ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]_camera_imagesDig ital_camera_images)

References ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

History
Many of the techniques of digital image processing, or digital picture processing as it was often called, were developed in the 1960s at the Jet Propulsion Laboratory ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), MIT ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), Bell Labs ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), University of Maryland ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), and a few other places, with application to satellite imagery ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), wirephoto standards conversion, medical imaging ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), videophone ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), character recognition ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]), and photo enhancement.But the cost of processing was fairly high with the computing equipment of that era. In the 1970s, digital image processing proliferated, when cheaper computers and dedicated hardware became available. Images could then be processed in real time, for some dedicated problems such as television standards conversion ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]). As general-purpose computers became faster, they started to take over the role of dedicated hardware for all but the most specialized and compute-intensive operations
With the fast computers and signal processors available in the 2000s, digital image processing has become the most common form of image processing, and is generally used because it is not only the most versatile method, but also the cheapest
Tasks
Digital image processing allows the use of much more complex algorithms for image processing, and hence can offer both more sophisticated performance at simple tasks, and the implementation of methods which would be impossible by analog means.
In particular, digital image processing is the only practical technology for:

Classification ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Feature extraction ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Pattern recognition ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Projection ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Multi-scale signal analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

Some techniques which are used in digital image processing include:

Principal components analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Independent component analysis ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Self-organizing maps ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Hidden Markov models ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Neural networks ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])

Applications
Further information: Imaging ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
Digital camera images
Digital cameras generally include dedicated digital image processing chips to convert the raw data from the image sensor into a color-corrected image in a standard image file format. Images from digital cameras often receive further processing to improve their quality, a distinct advantage digital cameras have over film cameras. The digital image processing is typically done by special software programs that can manipulate the images in many ways.
Many digital cameras also enable viewing of histograms ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) of images, as an aid for the photographer to better understand the rendered brightness range of each shot.

amin_1989
06-02-2010, 15:19
samaneh-67 ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ]) جان سلام:
من نياز فوري به كمك شما دارم
خواهش مي كنم در اولين وقت با من تماس بگيريد
هيچ راه دگه اي واسه ارتباط با شما پيدا نكردم.
اميدوارم من رو درك كنيد و زود جواب بدين
لطفا:
vesta_lord@yahoo.com (vesta_lord@yahoo.com)

ABIFERED
06-02-2011, 09:22
سلام
راجع به كاربردهاي پردازش تصوير مقاله اي داشته باشم
از كمكتان ممنون مي شوم

ABIFERED
06-02-2011, 09:40
سلام
شما مي توانيد از آدرس
[ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ] ([ برای مشاهده لینک ، لطفا با نام کاربری خود وارد شوید یا ثبت نام کنید ])
مطالب خوبي در مورد پردازش تصوير پيدا كنيد

royaafshari
07-02-2011, 18:00
اگه کسی مطلبی در مورد الگوریتم های تشخیص نویز داره برام میل کنه
us_16095@yahoo.com

mostafah67
09-09-2012, 11:43
با سلام
اگر کسی درباره ی روش های اضافه کردن نویز به یک تصویر اطلاعاتی داره بنده رو راهنمایی کنه
من می خوام پس از محاسبه ی pdf یا تابع چگالی احتمال نویز اونرو روی تصویر توزیع کنم که توهمین قسمت یعنی اینکه چطور نویز به تصویر اضافه بشه مشکل دارم -برنامه من در ویژوال سی نوشته میشه خواهشمندم اگه کسی اطلاعی داره راهنمایی کنه
ahmadi.mostafa.m89@gmail.com

samin1990
01-05-2013, 00:22
سلام دوستان
لطف میکنید کد سی شارپ؛ بدست آوردن هیستوگرام تصویر را قرار بدید؟

1580
31-07-2013, 16:40
دستورات wavelet در متلب

سلام درخواست کمکی در زمینه دستورات ویولت از دوستان دارم
من میخوام یک تصویر را در نرم افزار متلب درون یک تصویر دیگر نهان نگاری (جاسازی) کنم و این کار را با dwt (تبدیل موجک گسسته) میخواهم انجام دهم اما متاسفانه روش انجام کار و دستورات انجام کار را بلد نیستم البته میخواهم نهان نگاری از نوع شکننده باشد. ممنون میشم دوستان کمکی در این زمینه بکنند یا که مقاله ای رو معرفی کنند که توضیحات کامل این کار با جزئیات در آن داده باشد.
با تشکر از همگی