درخواست پروژه درس مستندسازی (شیوه ارائه مطالب علمی)
سلام
من یه درسی دارم این ترم به نام "شیوه ارائه مطالب علمی" یا همون "مستندسازی" (رشته کامپیوتر)
حالا قوز بالا قوز شده
استاده می گه در مورد یک موضوعی مرتبط با کامپیوتر تحقیقی ارائه بدید که از چند کتاب باشه و هر بخشی را که از هر کتاب گرفتی اسم اون کتاب را توی پاورقی بیاری همراه با شماره صفحه
حالا موندیم چطوری مقاله آماده توی اینترنت گیر بیاریم اینطوری باشه
کسی میتونه کمک کنه ؟؟؟
تعداد صفحه و موضوع زیاد اهمیت نداره مهم همون ذکر شماره صفحه هستش
شماره شروع و پایان صفحاتی که از کتاب منبع در پروژه اسفاده می شه اونم در هر بخش یا هر مبحث یا هر پاراگراف پروژه
نيروي كمكي به زودي خواهد رسيد
سلام دوستان
خسته نباشين
منم اين ترم شيوه دارم بعد از كلي تفكر و جست وجو بلاخره تصميم گرفتم در مورد پردازش تصوير مطالبي آماده كنم
انشالا به زودي powe pointesho آماده ميكنم و در اختيارتون ميگذارم البته مرجع هاشو هم دقيق مشخص ميكنم
اميدوارم استفاده كنين و حالشو ببرين
به جاش مارو دعا كنين چه طوره؟؟؟؟؟؟؟؟؟:thumbsup::12::46::11:
:40:بيا تا گل بر افشانيم و مي در ساغر اندازيم
فلك تا سقف بشكافيم و طرحي نو در اندازيم
اگر غم لشكر انگيزد كه خون عاشقان ريزد
من و ساقي به هم سازيم و بنيادش بر اندازيم:40:
مطلبی که برای ارائه میخواین اینجاست
همون طور که قولشو داده بودم
ارائه ی خودمو در خدمت دوستان میگذارم
کاربرد های پردازش تصویر
مقدمه
پيدايشعلوموفنونجديدجوامعبشريراباشكلهايمختلفيروبرونمودهاستتوليدفزايندهاطلاعاتبهشكلهايمختلفصورتميگيردوبادرجاتمتفاوتيازپيچيدگيهمراهاست.
درنتيجهنياز بهسيسمتهايپردازشاطلاعاتبصورتروزا فزونا فزايشمييابد،يكيازاينمسائلمهمكهشاخهايازهوشمصنوعياست،پردازشتصويراست.
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 کهقبل از پردازشتصویر 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 پرداختمشخصه 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 هاطبقه 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 گردندويژگی 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 پردازیمپردازش 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 دهدبه 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.
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
· ترمیم تصاویر
o میانگیری از تصاویر
o عملیات فیلترینگ
·
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
· ترمیم تصاویر
بیشتر تصاویری که توسط ماهواره‌ها یا
[ برای مشاهده لینک ، 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
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 نتیجهبا 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:
· 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
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 تصویردرچند زمینه ی مختلف عبارتند از ، هواشناسی، شهرسازی، کشاورزی، علوم نظامی و امنیتی، نجومو فضا نوردی، پزشکی، تبلیغات، سینما،روانشناسی و زمین شناسی و مهمترین آنها اتوماسیون صنعتیکه در ادامه درباره هر کدام مختصراً بحث شدهاست.
هواشناسی
از آنجایی که در علم هواشناسی تشخیص و پیشبینی آب و هوا اکثراً از طریق تصاویر هوایی و ماهواره ای انجام می گیرد، پردازشتصویر در این علم کاربرد زیادی دارد و دقت و سرعت پیش بینی آب و هوا و طوفان ها رابسیار بالا می برد. جبهه های پرفشار، کم فشار، گردبادها و گرداب های بوجود آمده درسطح کره زمین را می توان مشاهده کرد.
شهرسازی
با مقایسهعکس های مختلف از سال های مختلف یک شهر می توان میزان گسترش و پیشرفت آن را مشاهدهکرد.قبل از ساختن یک شهر می توانآن را توسط کامپیوتر شبیه سازی کرد که به صورت دو بعدی از بالا و حتی به صورت سهبعدی از دید های مختلف، یک شهرک چطور ممکن است به نظر برسد. تصاویر ماهواره ای کهاز شهرها گرفته می شود، می تواند توسط فیلتر های مختلف پردازش تصویر فیلتر شود و اطلاعات مختلفیاز آن استخراج شود. به طور مثال این که شهر در چه قسمت هایی دارای ساختمان ها، آبها یا راه های بیشتری است و همین طور می توان جاده هایی که داخل یا خارج از شهرکشیده شده اند را تحلیل کرد.
کشاورزی
این علم در بخشکشاورزی معمولاً در دو حالت کاربرد دارد. یکی در پردازش تصاویر گرفته شده ازارتفاعات بالا مثلاً از هواپیما و دیگری در پردازش تصاویر نزدیک به زمین.
درتصاویر دور به عنوان مثال می توان تقسیم بندی اراضی را تحلیل کرد. همچنین می توانبا مقایسه تصاویر دریافتی در زمان های متفاوت میزان صدمات احتما لی وارد به محیطزیست را دید. به عنوان مثال می توان برنامه ای نوشت که با توجه به محل رودخانه ها ونوع خاک مناطق مختلف، به صورت اتوماتیک بهترین نقاط برای کشت محصولات مختلف راتعیین می کند.
تصاویر نزدیک هم در ساخت ماشین های هرز چین اتوماتیک کاربرددارد. امروزه ماشین های بسیار گران قیمت کشاورزی وجود دارند که می توانند علف هایهرز را از گیاهان تشخیص بدهند و به صورت خودکار آنها را نابود کنند.
علوم نظامی و امنیتی
پردازش تصویر بخصوص بیناییهوشمند، کاربردهای بسیاری را در علوم نظامی و ا منیتی دارند و این کاربرد برای دولتاکثر کشورها بسیار مهم است. به عنوان مثال موشک هدایت شونده خودکاری وجود دارد کهمی تواند روی در یک ساختمان قفل کند و حتی می تواند به درز بین در و دیوار آنساختمان که حساس ترین جای ساختمان است به راحتی نفوذ کند. این موشک به صورتاتوماتیک این قسمت را شناسایی کرده و به سمت آن حمله می کند.
در مسائل امنیتی همکاربرد پردازش تصویر کاملاً در زندگی ما مشهود است. دوربین های که به صورت اتوماتیکاز ماشین هایی که تخلف رانندگی انجام می دهند عکس برداری می کند.
از سیستم هایامنیتیو تشخيص هويتیمیتوان تشخيص چهره ، تشخيص کف دست ، تشخيص عنبيهو سیستم تشخیص اثر انگشت اتوماتیک را نام برد. در لپ تاپ هایجدید قابلیت finger print به آنها اضافه شده و می تواند صاحب لپ تاپ را توسط اثرانگشت شناسایی کند.
کد امنیتی دیگری که همیشه همراه انسان حمل می شود، چشم انساناست. دانشمندان ثابت کرده اند که پترن های موجود در مردمک چشم هر انسانمنحصر به فرد است و هیچ دو فردی در دنیا وجود ندارند که پترن هایی که در مردمک چشمآنها وجود دارد دقیقاً مثل هم باشد. از همین روش برای شناخت ا فراد و سیستم هایامنیتی 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 ازیکدیگر و حتی خط های کشیده شده کف دست و هزاران خاصیت دیگر، تماماً خصوصیاتی هستندکه 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 خودکاریساخته شده اند که به صورت اتوماتیک و دقیق نشانه گیری می کنند.
پردازش تصویرهمینطور با پردازش تصاویر گرفته شده از فاصله های دور هم می تواند در علوم نظامی وامنیتی کمک کند.به عنوان مثال دوربینی قادر است با سرعت بسیار زیاد یک توپ را دنبالکند.این مسئله کاربرد بسیار زیادی در مسائل نظامی دارد.
نجوم وفضا نوردی
ساخت دستگاه های اتوماتیک رصد آسمان و ثبت وقایع آسمانی به صورتخودکار از کاربردهای پردازش تصویر است که امروزه روی آن کار می شود.
از پروژههای جدید در بخش نجوم که بخشی از آن توسط سیستم پردازش تصویر انجام می شود، تهیهنقشه سه بعدی از کل عالم کائنات است !
پردازش تصویر در فضانوردی هم کاربردزیادی دارد. در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده واطلاعات بسیار ریزی از آنها استخراج کنیم.
کاربرد دیگر پردازش تصویر در فیلتر کردن عکس هایی است که توسط تلسکوپ هایفضایی مختلف از جمله هابل از فضا گرفته میشود.
پزشکی
یکی از مهمترینکاربردهای پردازش تصویر در علم پزشکی است. در جایی که ما نیاز داریم تمام عکس ها بانهایت 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 وبا ایجاد یک سوراخ کوچک و فقط دیدن محل جراحی توسط پزشک، از راه دور وتوسط 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 توانتأثیر تکنولوژی را در تبلیغات کاملاً درک کرد. تغییر شکل تبلیغات از اشکال مربع وزاویه دار به شکل های دایره ای، تغییر رنگ تبلیغات و هزاران تغییر دیگر. یکی ازمهمترین فاکتورهای فروش و دلایل بالا رفتن یا پایین آمدن فروش، شکل و نحوه ی بستهبندی کالاست. پردازش تصویر می تواند به ما کمک کند تا قبل از تولید یک بسته بندی آنرا شبیه سازی کنیم. با ادغام کردن علم ا لگوریتم ژنتیک با پردازش تصویر می توانبرنامه ای را نوشت که به صورت اتوماتیک به ساختن بسته بندی های مختلف بپردازد وآنهایی که از نظر کاربران زیباتر و جالب تر به نظر خواهند آمد را به ما معرفینماید.
سینما
اولین علمی که پردازش تصویر در آن مورداستفاده 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. امروزهاین سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
درپردازش تصویربا قابلیت هیستوگرامقادرندتصاویر را شفاف یا تیره تر کرده و یا هر تغییر مورد نیاز دیگری را روی تصاویر باتوجه به منحنی ها و نمودارهای هیستوگرام بدهند.
در سینما برای اینکه تصویری شفافبه نظر آید، با استفاده از یک کره ی نقره ای رنگ، تصاویر اطراف دوربین را هم ثبت میکنند. بنابراین تصویر نسبت به محیط اطراف خود شفافیت غیر قابل تصوری پیدا میکند.
روانشناسی
بحث تاثیر رنگ در روحیه انسان ا همیت بسیار زیادی دارد به طوری کهدر روانشناسی گرایشی به نام روانشناسی رنگ وجود دارد. در این علم در مورد رنگ ها وتأثیر هر یک بر روح و جسم انسان صحبت می شود. به عنوان مثال رنگ قرمز بیشتر تأثیررا در چشم انسان دارد. در حالی که رنگ سبز بیشترین تأثیر را در مغز انساندارد.
همچنین رنگ آبی باعث ایجاد حس آرامش و اطمینان در انسان می شود. به همیندلیل در سخنرانی های اکثر سیاستمداران دنیا ا ز پرده آبی رنگ در پشت سر آن هااستفاده می شود.
با پردازش تصویر می توان به راحتی تصاویر ثابت و متحرک راویرایش کرد. به طور مثال رنگ آبی را برای ایجاد حس اطمینان یا رنگ سبز را برای حسزیبایی و قرمز را برای ایجاد هیجان در تصاویر پر رنگ تر کرد.
زمینشناسی
با پردا زش تصویر می توان کانی های مختلف را از روی رنگ و اندازه آنها شناسایی و دسته بندی کرد. همچنین در زمین شناسی برای پی بردن به مواد تشکیلدهنده کانی ها از روش پرتونگا ریاستفاده می کنند و پردازش تصویر دراین بخش می تواند سرعت و دقت این روش را بسیار بالا ببرد. کاربرد دیگر آن این استکه دانشمندان با مقایسه کردن ارتفاع آب در سال های مختلف، در وا قع روند تند شدن یاکند شدن کاهش آّب در سطح زمین را مورد بررسی قرار می دهند
اتوماسین صنعتی
امروزه کمتر کارخانه پیشرفته ای وجود دارد کهبخشی از خط تولید آن توسط برنامه های هوشمند بینایی ماشین کنترل نشود. خطای بسیارکم، سرعت زیاد، هزینه نگهداری بسیار پایین، عدم نیاز به حضور اپراتور 24 ساعته وخیلی مزایای دیگر باعث شده که صنایع و کارخانه ها به سرعت به سمت پردازش تصویر وبینایی ماشین روی بیاورند. دستگاهی ساخته شده که قادر است کیک های پخته را از کیکهایی که نیاز به پخت مجدد دارند، تشخیص دهد و آنها را به صورت اتوماتیک به بستهبندی بفرستد و کیک هایی که نیاز به پخت دارند را دوباره برای پختن ارسالکند.
یکی دیگر از دلایل استفاده از بینایی ماشین قابلیت دیدن و اندازه گیریمحصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است. عناصرتشکیل دهنده یک سیستم بینایی ماشین نرم افزار هوشمند بینایی است که ورودی خود را ازدوربین های نصب شده در بخش های مختلف خط تولید می گیرد و بر اساس تصاویر دریافتیدستورات 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
قابلیتهای چشم انسان همراه با توانایی تحلیل وتصمیمگیری مغز سبب شده است تا این عضو در بسیاری از فعالیتهای صنعتی بهعنوان یکابزار بازرسی مناسب بهکار آید. با این حال پیشرفت روشهای تولید، پیچیدگی فرایندهاو افزایش سرعت تولید مانع از عملکرد دقیق چشم انسان در همه موارد شده است. از طرفیبرخی محیطهای تولید برای انسان خطراتی در پی دارد، از این رو بیش از یک دهه است کهبینایی ماشینی در صنایع مختلف بهطور مؤثر و کارآمد برای کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم‌های خود هدایت شونده بهکار میرود.
بینایی ماشینی(Machine Vision) عبارت است از مهندسی بهکارگیریقابلیتهای علوم مکانیک، اپتیک، ا لکترونیک و نرمافزار برای بازرسی مواد و اشیایطبیعی، محصولات تولیدی انسان و فرایندهای تولید، بهمنظور تشخیص عیوب و بهبود کیفیتو ایمنی محصولات و فرایندها.
از ميان همه شاخه‌هاي هوش مصنوعي كاربردي‌ترين آن‌هاكامپيوتري و مكانيزه كردن سيستم‌هاي بينايي می باشد. دامنه كاربرد اين شاخه از فناوريبسيار وسيع است و از كاربردهاي عادي و معمولي مثل كنترل كيفيت خط توليدو نظارت ويدئويي گرفته تا تكنولوژي‌هاي جديد مثل اتومبيل‌هاي بدون راننده رادربرگرفته است. دراين جا بررسي خود را با یک مثال انجاممي‌دهيم. سيستم كنترل كيفيت خط توليد است كه شامل نحوه عكس‌برداري و ذخيره وشيوه تفسير عكس‌هاي گرفته شده به‌صورت خودكار است
كنترل كيفيت خطتوليد
شكل 1- نماي ساده شده‌اي از يك سيستم بينايي كنترل كيفيت خط توليدغيرواقعي
يكي از كاربردهاي بينايي ماشين در كنترل كيفيت خروجي كارخانه‌هامي‌باشد. شكل 1 مثالي بسيار ساده از چنين سيستمي است. اجناس توليد‌شده در كارخانهكه برروي يك نوار نقاله قرار گرفته‌اند و توسط يك دوربين CCD براي آزمايش ديدهمي‌شوند و محصولات با كيفيتِ مناسب اجازه عبور پيدا خواهندكرد. چنانچه محصولي داراياستانداردهاي مناسب نباشد از ادامه مسير حذف مي‌شود. معيار اين استانداردهامي‌تواند لبه‌هاي زائد، خراشيدگي و بادكردگي و تورم روي فلزات و بسياري چيزهاي ديگرباشد.
عكس‌برداري
اولين مسأله و مشكل مااين است كه چگونه عكس‌هاي تهيه شده از اشيايي كه در حال حركت بر روي نوار نقالههستند را تبديل به داده‌هاي قابل فهم و تفسير براي سيستم نماييم، كه اين مشكل توسطدوربين CCD حل مي‌شود. عملكرد اين دوربين را مي‌توان به عملكرد چشم انسان كه قادراست سطوح مختلف نور را تشخيص دهد تشبيه نمود.
چشم انسان
چشم انسان كه درشكل 2 نشان داده شده است، تقريباً يك عدسي كروي با قطر 5/2 سانتي‌متر مي‌باشد كه ازچندين لايه مختلف كه دروني‌ترين آنها شبكيه نام دارد تشكيل شده است. ماهيچه‌هاياطراف چشم اندازه لنز را تنظيم مي‌كنند كه اين‌كار چشم را قادر به زوم كردنروي اشياء مي‌كند.
وظيفه عدسي چشم، فرم و شكل دادن به تصويري است كه توسطميليون‌ها سلول گيرنده مخروطيو ميله‌اي گرفته شده و برروي پرده شبكيهافتاده است، مي‌باشد. سلول‌هاي ميله‌اي به يك عصب معمولي كه از انتها به شبكيه ختممي‌شود و فقط در سطح نور پايين فعال است متصلند و سلول‌هاي مخروطي هر كدام به يكعصب اتصال دارند. آنها در نورهاي شديدتر، بيشتر فعالند و ميزان درك ما از رنگ‌هارا نوع فعاليت اين مخروط‌ها مشخص مي‌كند.
در ميان شبكيه ناحيه‌اي به‌نام نقطه كور وجود دارد كه در آن هيچ‌گيرنده‌اي موجود نيست. در اين ناحيه اعصاب به‌صورت جداگانه به عصب بينايي كهسيگنال‌هاي 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 عدسيوارد دوربين و برروي يك پرده مخصوص تصوير مي‌شود كه تحت عنوان تراشه CCD شناختهمي‌شود. تراشه CCD كه تصاوير با استفاده از آن گرفتهمي‌شوند از تعداد زيادي سلول تشكيل شده كه همگي در يك تراشه با ا لگوي خاصي مرتبشده‌اند و تحت عنوان پيكسل شناخته مي‌شوند.
زماني كه تراشه CCD ايناطلاعات را دريافت مي‌كند، آنها را به شكل سيگنال‌هاي ديجيتالي ازطريق كابل‌هايي به سيستم دريافت‌كننده مي‌فرستد و بعد تصاوير در اين سيستم به صورتمجموعه‌اي از اعداد ذخيره مي‌شوند. همان‌طور كه در شكل 3 مي‌بينيد هر عدد نمايندهيك پيكسل است.
شكل3- تصوير وسط يك نماي نزديك از چشم ماهي را نمايش مي دهد و نشان ميدهد كه هر قسمت از يك تصوير چگونه با تعدادي مقادير عددي ذخيره مي شود. به تعدادداده هاي عددي مورد نياز براي ذخيره يك فضاي كوچك از تصوير توجه كنيد.
دركتصوير
با هر تصوير، چه با دوربين گرفته شود و چه با چشم انسان، مقداري تحريف وتغيير شكل و
به عبارتي "نويز" وجود دارد. البته در مورد مثال ما درسيستم خط توليد اين مسأله چندان اهميت ندارد اما در موقعيت‌هايي كه نياز به دقتبالا وجود دارد بايد از نورپردازي خاصي براي تصويربرداري استفاده شود.
شكل 4- ترسيم لبه. شكل اول تصوير اصلي مي‌باشد. در شكل وسط نويزهابا فيلترنمودن از بين رفته است. در نهايت شكل 3، تصوير حاصل از به‌كار بردنالگوريتم ترسيم لبه مي‌باشد.
انسان براي درك تصاويري كه مي‌بيند نيازيندارد 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 مشكلمي‌شود. اما هر آنچه را كه قادر به ديدنش باشيم درك مي‌كنيم. يعني براي درك اشياءنيازي به حذف نويزهاي تصوير نيست.یا مثلاً اگر در اين روز در حال رانندگي در يك جادهباشيد و تصوير مبهمي از يك ماشين را مقابل خود ببينيد، با لطبع عكس‌ا لعمل نشانمي‌دهيد و به عبارتي سرعت خود را كم مي‌كنيد.
اين يعني ما هنوز تصوير ماشينرا عليرغم وجود مه مي‌توانيم تشخيص دهيم و در مقابل آن عكس‌ا لعمل نشان‌دهيم اين يعني باقدرت بينايي انسان، عليرغم خراب شدن تصاوير اطراف، مي‌توانيم متوجه فضاي اطراف خودبشويم. 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 انجامشود.
خوشبختانه در حال حاضر تكنيك‌هايي براي انجام اين كار وجود دارد. از بين بردن نويزها به‌صورت نرمال توسط تعدادي از توابع رياضي يا الگوريتم‌هايي كهتحت عنوان 'treshholding' يا 'quantizing' ناميده مي‌شود انجام مي‌گردد. زمانيكه خرابي‌ها از بين رفت، مي‌توانيم پردازش عكس‌ها را ادامه دهيم كه اين كار بااستخراج صورت‌ها و حالت‌ها از يك تصوير انجام مي‌شود. يك شيوه معمول كه غالباً مورداستفاده قرار مي‌گيرد استخراج لبه‌ها كه در شكل 4 ديده مي‌شود، مي‌باشد.
درمورد مثال ما در سيستم خط توليد، وظيفه اصلي يك اپراتور كنترل كيفيت اين است كه بهسرتاسر محصول توليد شده نگاه كرده و با مقايسه آن با استانداردهاي مورد قبول، برايمحصول توليد‌شده جواز عبور يا عدم عبور صادر كنند.
اگر اين كار با استفادهاز بينايي ماشين صورت گيرد بايد عكس گرفته شده از محصول توليد شده با عكسي كه از يكمحصول استاندارد وجود دارد مقايسه شود. يكي از روش‌هاي انجام اين كار به اين صورتاست:
براي انجام اين‌كار، يك تصوير از محصول استاندارد در كامپيوتر ذخيرهمي‌شود و سپس از محصولا‌تي كه از خط توليد عبور مي‌كنند. تصوير گرفته مي‌شود و بهعنوان نقشه لبه ذخيره مي‌شود. و بعد سيستم، تصوير گرفته شده را از چپ به راست و ازبالا به پايين به‌گونه‌اي كه در هر زمان فقط يك رقم عبور كند، مي‌لغزاند و عدد ظاهرشده در هر موقعيت را با عدد همان موقعيت در تصوير اصلي مقايسه مي‌كند و در صورتتفاوت آن را اعلا‌م مي‌نمايد.
لذا عمليات بينايي كامپيوتر در حقيقت مقايسهدو مجموعه عدد است كه اگر تفاوت اين دو مجموعه از يك محدوده خاص فرارتر برود، ازپذيرفتن محصول امتناع شده و در غير اين‌صورت محصول پذيرفته مي‌شود.
دررباتیک: سیستمهای بینایی ماشینیپیشرفته، به ربات این توانایی را میدهد تا قطعه یا زیرمجموعه را بدون توجه به چرخشیا بزرگی آن در محل مربوطه قرار دهد. برای هدایت ماشین در چنین سطحی معمولا سیستمبینایی، موقعیت قطعات را برای ربات مشخص میکند، موقعیت صحیح تثبیت و قرارگیری قطعهرا تعیین و این اطلاعات را برای انجام مراحل مجموعهسازی به ربات ارسا لمیکند
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.
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
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
,
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
,
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
,
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
, and a few other places, with application to
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
, wirephoto standards conversion,
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
,
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
,
[ برای مشاهده لینک ، 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
[ برای مشاهده لینک ، 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: Some techniques which are used in digital image processing include:
Applications
Further information:
[ برای مشاهده لینک ، 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
[ برای مشاهده لینک ، 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.
