معلومات عامة

معالجة الصور

معالجة الصور


 معالجة الصور هو الانضباط من الحوسبة و الرياضيات التطبيقية أن الدراسات الصور الرقمية وتحولاتها من أجل تحسين نوعيتها أو لاستخراج المعلومات.

هذه مجموعة فرعية من معالجة الإشارات مخصصة للصور والبيانات المشتقة مثل الفيديو (على عكس أجزاء معالجة الإشارة المخصصة لأنواع أخرى من البيانات: لا سيما الإشارات الصوتية وغيرها من الإشارات أحادية البعد) ، أثناء العمل في المجال الرقمي (على عكس إلى تقنيات معالجة الإشارات التناظرية ، مثل التقليدي التصوير الفوتوغرافي أو التلفزيوني ).

في سياق الرؤية الاصطناعية ، ومعالجة الصور يحدث بعد الاستحواذ و رقمنة الخطوات ، وضمان التحولات صورة والجزء حساب مما يجعل من الممكن للذهاب نحو تفسير من الصور المجهزة. يتم دمج مرحلة التفسير هذه أكثر فأكثر في معالجة الصور ، لا سيما باستخدام الذكاء الاصطناعي لمعالجة المعرفة ، بشكل أساسي على المعلومات المتاحة حول ما تمثله الصور. تمت معالجتها (معرفة “المجال”).

يبدأ فهم معالجة الصور بفهم ماهية الصورة. إن طريقة وشروط الحصول على الصور المعالجة ورقمنتها تحدد إلى حد كبير العمليات التي يجب تنفيذها لاستخراج المعلومات. في الواقع ، هناك العديد من العوامل التي تدخل حيز التنفيذ ، وأهمها:

  • و اكتساب القرار ووضع الترميز المستخدمة خلال الرقمنة، التي تحدد درجة من الدقة في أي قياسات البعد.
  • التعديلات البصرية المستخدمة (بما في ذلك التركيز) والتي تحدد ، على سبيل المثال ، حدة الصورة ؛
  • ظروف الإضاءة التي تحدد جزءًا من تنوع الصور المعالجة ؛
  • و الضوضاء من سلسلة نقل صورة.

بعض الأمثلة النموذجية للمعلومات التي يمكن الحصول عليها من صورة رقمية:

إقرأ أيضا:الثلاثينات في فرنسا
  • و متوسط الإنارة .
  • و متوسط النقيض .
  • في الغالب اللون .
  • متوسط ​​معدل الحدة (دقيق أو غامض) ؛
  • معدل تجانس اللون.
  • وجود أو عدم وجود أشياء معينة.

صورة تم تعديلها ومعالجتها بواسطة الكمبيوتر

جدول المحتويات

فهرس

التاريخ [ تحرير تعديل الكود ]

بدأت دراسة معالجة الصور في عشرينيات القرن الماضي لنقل الصور عن طريق الكابل البحري الممتد من نيويورك إلى لندن . يقوم Harry G. Bartholomew و Maynard D. McFarlane بأول مسح ضوئي لصورة ضغط البيانات لإرسال رسائل الفاكس من لندن إلى نيويورك. وبالتالي ينخفض ​​وقت النقل من أكثر من أسبوع إلى أقل من ثلاث ساعات. لا يوجد تطور حقيقي بعد ذلك حتى فترة ما بعد الحرب 1 .

إقرأ أيضا:من هو بريكليس

نمت أهمية معالجة الإشارات في نهاية الحرب العالمية الثانية مع ظهور الرادار . يعتبر التنقيب عن النفط أيضًا مساهمًا رئيسيًا في تطوير تقنيات معالجة الإشارات.

لم تحدث الطفرة الحقيقية في معالجة الصور حتى الستينيات عندما بدأت أجهزة الكمبيوتر في أن تكون قوية بما يكفي للعمل مع الصور. بعد فترة وجيزة ، أحدثت إعادة اكتشاف تحويل فورييه السريع (FFT) ثورة في المجال ، من خلال إتاحة معالجة محتوى تردد الإشارات على الكمبيوتر. ومع ذلك ، لا تزال معظم الأبحاث في ذلك الوقت تركز على تحسين الصور وضغطها.

في عام 1980 ، كان ديفيد مار أول من أضفى الطابع الرسمي على الكشف الكنتوري بطريقة دقيقة (D. Marr and E. Hildreth: Theory of Edge Detection ، Proc. R. Soc. London، B 207، 187-217، 1980). خلال الثمانينيات ، نشأ جنون حقيقي لمعالجة الصور وخاصة لفهم الصورة من قبل الأنظمة الخبيرة . كانت الطموحات كبيرة للغاية ، وكان الفشل أكثر مرارة.

في 1990s شهدت تحسنا مستمرا من المشغلين. أصبح البحث الطبي طلبًا كبيرًا جدًا على معالجة الصور لتحسين التشخيصات التي يتم إجراؤها من العديد من تقنيات التصوير الطبي ، والتقنية الرئيسية هي التصوير بالرنين المغناطيسي . أصبح المعلنون ، ثم عامة الناس ، على دراية بتحرير الصور باستخدام برنامج Photoshop ، وانتشرت معالجة الصور لأغراض جمالية مع ظهور برامج مخصصة أخرى ( The Gimp ، Paint Shop Pro ). وأخيرا، ينتهي العقد مع جنون ل المويجات و الصور المتعدد الوسائط .

إقرأ أيضا:الثورة الصناعية

أنواع البيانات التي تم التعامل معها [ تحرير تعديل الكود ]

يستخدم معالج الصور بشكل أساسي الصور الرقمية ، والتي يتم أخذ عينات منها . يحتوي أيضًا على بيانات وسيطة من أنواع مختلفة: الخرائط الإقليمية ، وقوائم النقاط ذات الصلة ، وجداول القيم المقاسة ، إلخ.

فيما يتعلق بالصور نفسها ، فإن التمثيل الأكثر استخدامًا هو جدول ثنائي الأبعاد يتكون من مجموعة من الصفوف والأعمدة. تحتوي كل خلية في الجدول ، تسمى بكسل ، على قيمة كمية. هذه القيمة هي دلالات تعتمد على نوع الإشارة التي تشفرها (شدة ضوء النقطة ، المسافة إلى نقطة مرجعية ، أو رقم المنطقة التي تنتمي إليها ، على سبيل المثال). في حالة صور التصوير بالرنين المغناطيسي ثلاثية الأبعاد ، لم يعد التمثيل جدولًا ثنائي الأبعاد بل جدول ثلاثي الأبعاد.

الحصول على صورة [ تحرير تعديل الكود ]

الحصول على الصور هو مقياس المكاني لل تفاعل بين موجة و النظر . تنبعث الموجة من مصدر ويستقبلها جهاز استشعار . على سبيل المثال في حالة الموجات فوق الصوتية ، يتم إرسال الموجات فوق الصوتية واستقبالها بواسطة المسبار. التفاعل هو انعكاس الموجات فوق الصوتية على بنية الجسم.

في حالة الموجات الكهرومغناطيسية ، يستخدم التصوير الطيف المرئي ، أي المرئي للعين البشرية. هناك تطبيقات عبر الطيف الكهرومغناطيسي بأكمله ، من أشعة غاما إلى موجات الراديو . وهكذا، قامت الصور عن طريق الأشعة السينية أو أشعة جاما وهي تستخدم أساسا في التصوير الطبي و علم الفلك 2 . في الطب ، نستخدم التصوير بالرنين المغناطيسي ، التصوير المقطعي بالإصدار البوزيتروني ، التصوير المقطعي المحوسب ، الموجات فوق الصوتية دوبلر ، الموجات فوق الصوتية ،التصوير الومضاني ، التصوير المقطعي 2 .

السمتان المهمتان للقياس المكاني هما حجم أصغر عنصر ( بكسل ) ، ولكن أيضًا الارتباط البيني بين عنصرين متجاورين: كلما انخفض هذا الترابط ، كانت الصورة أفضل.

عوامل معالجة الصور [ تحرير تعديل الكود ]

هذا القسم فارغ أو غير مفصل أو غير مكتمل. مساعدتكم مرحب بها! كيف أفعل ؟

بالقياس مع العوامل الرياضية ، فإننا نسمي مشغلي معالجة الصور عمليات أكثر أو أقل تعقيدًا تأخذ كمدخل صورة أو مجموعة من المعلومات المتعلقة بالصورة ، وتنتج صورة أو مجموعة من المعلومات المتعلقة بالبيانات.الأحرف الأولى.

يتم تصنيف المشغلين عمومًا إلى عائلات مختلفة ، وفقًا للمعلومات التي يقبلونها كمدخلات والتي يقدمونها كمخرجات ، ووفقًا للتحولات التي يخضعون لها البيانات. وبالتالي ، على سبيل المثال ، نميز (هذه القائمة بعيدة عن أن تكون شاملة):

صورة → عوامل تشغيل الصورة:

  • عوامل التعديل من البكسل إلى البكسل (وتسمى أيضًا عوامل التشغيل من نقطة إلى نقطة ): التغيير في ديناميات الصورة والعوامل الثنائية من البكسل إلى البكسل (و ، أو ، xor ، وما إلى ذلك) ؛
  • المحليون (يعاملون وحدات البكسل وفقًا لجوارهم): عوامل التمويه ، والعوامل المورفولوجية (التعرية ، والتوسع ، والهيكل العظمي) ، ومشغلي اكتشاف الحواف ؛
  • في فضاء التردد: مشغلي تقليل الضوضاء ، مرشحات تمرير النطاق (غالبًا ما تستخدم كنهج أولي لتحسين الصورة ، ثم يطلق عليهم مشغلي المعالجة المسبقة) ؛
  • العالميون: حساب المسافات ؛
  • مشغلي النمو الإقليمي: مستجمعات المياه .

عوامل تشغيل الصور → مجموعة من المعلومات:

  • مشغلي التجزئة في الحدود وفي المناطق ؛
  • عوامل تصنيف البكسل ؛
  • عوامل حساب المعلمات.

مجموعة مشغلي المعلومات → الصورة:

  • مُنشِئات الصور من خريطة المنطقة أو قائمة الحدود.

تركز الأجزاء التالية على تفصيل المشغلين المختلفين وتطبيقاتهم المعتادة ، ثم على تقديم الطريقة التي يتم بها دمجهم لإنشاء تطبيق معالجة الصور.

المشغلون المحليون [ تحرير تعديل الكود ]

من الضروري بعد ذلك استخدام عوامل معالجة أكثر تعقيدًا تنقسم غالبًا إلى فئتين فرعيتين:

  • عوامل خطية
  • عوامل غير خطية.

تشمل الفئة الفرعية الأولى جميع العوامل التي يمكنها التعبير عن نتيجتها كمجموعة خطية من المستويات الرمادية في المنطقة المجاورة للصورة. تتمتع هذه المرشحات بخصائص طيفية ، لذلك نتحدث عن مرشح تمرير منخفض (تصبح الصورة غير واضحة) أو مرشح تمرير عالي (تبرز الخطوط العريضة).

تشمل الفئة الفرعية الثانية مجال التشكل الرياضي ، بالإضافة إلى علاجات أخرى مثل كاشفات النقاط المميزة ، ومشغل Di-Zenzo (كاشف الكفاف المعمم لحالة اللون) ، ومرشح Retinex ، وكذلك المشغلين متماثلو الشكل (هؤلاء التي تعمل على لوغاريتم الصورة) ، ولكن أيضًا جميع المشغلين الذين يسمحون باستخراج معلومات على سبيل المثال عن نسيج الصورة ( مصفوفة المنافسة ، مؤشر الفركتال ، طول النطاق …).

غالبًا ما اعتدنا على رؤية كاشف حافة مطبق بعد مرشح تمرير منخفض خطي يطمس الصورة. في معظم الأوقات ، عليك أن تجمع بذكاء بين مرشح غير خطي ومرشح خطي من أجل اكتشاف ما تريد مع تجاهل الضوضاء.

بمجرد إزالة الضوضاء واستعادة الصورة من أجل التعويض عن التشوهات التي يسببها وسيط الإرسال وبصريات الاستحواذ ، فمن الممكن الانتقال إلى خطوة التجزئة التي من شأنها أن تجعل من الممكن تنفيذ قسم من الصورة في مجموعات متصلة متجانسة.

هناك فئتان رئيسيتان للتجزئة:

  • تجزئة المنطقة
  • التجزئة الموجه نحو الكفاف – نواجه بعد ذلك مشكلة تمثيل النتيجة من قبل الأوليات البسيطة.

شهد التجزئة الموجه نحو الكفاف العديد من التطورات حول استخدام ملامح أو مجموعات من المستويات النشطة . أتاح إدخال الجوانب الاحتمالية ( سلاسل ماركوف وحقول ماركوف ) إمكانية العمل عن طريق تقليل المعرفة المسبقة اللازمة للحصول على علاج مرضي.

في هذه الخطوة ، نجد غالبًا جزءًا من تصنيف وحدات البكسل إلى فئات. نحاول أن نجمع معًا في مجموعة واحدة ، تسمى أيضًا فئة ، تظهر البيكسلات نفس الخاصية: مستوى الرمادي خلال فترة زمنية معينة أو مشتق ثانٍ أكبر من عتبة معينة.

المرشحات الخطية [ تحرير تعديل الكود ]

عام [ تحرير تعديل الكود ]

يقوم المرشح الخطي بتحويل مجموعة من بيانات الإدخال إلى مجموعة من بيانات الإخراج باستخدام عملية حسابية تسمى الالتواء . عندما يتعلق الأمر بالبيانات الرقمية كما في حالة معالجة الصور ، فإن العلاقة بين قيم وحدات البكسل الناتجة وبيكسلات الإدخال يتم وصفها بمصفوفة من الأرقام ، عادةً ما تكون مربعة ، تسمى مصفوفة الالتفاف. أو الأساسية . غالبًا ما يتم تقليل وقت الحساب عندما يريد المرء فصل مرشح إلى مرشحين يتيح التفافهما المتبادل إمكانية إعادة تكوينه. تُستخدم هذه الملاحظة على وجه الخصوص لإنشاء مرشح ثنائي الأبعاد من مرشحين أحاديي الأبعاد (متجهات) في الاتجاه الأفقي والاتجاه الرأسي.

تجانس [ تحرير تعديل الكود ]

المقال الرئيسي: تجانس الصورة .

هذه مرشحات تمرير منخفضة تقلل الترددات الأعلى أو المنخفضة أكثر أو أقل. يتم استخدامها للتخفيف من ضجيج المصادر الأكثر تنوعًا التي تلوث المعلومات ، لا سيما في الكشف عن الخطوط العريضة الموضحة أدناه.

من الناحية الفنية ، هذه ترجمات منفصلة لمرشحات مستمرة ، مثل هذه ، لا تغير مستوى الإشارة الإجمالي. لذلك ، فإن مصطلحات مصفوفة الالتفاف هي بشكل عام أعداد صحيحة تقسم على مجموعها.

  • الموحد: يتم الحصول عليه عن طريق الالتواء لمرشحين مستطيل واحد أحادي البعد. جميع مكونات المصفوفة لها نفس القيمة. يكمن عيب هذا المرشح في حقيقة أنه يقدم تحولات طورية.
  • الهرم: التفاف مرشح مستطيل مع نفسه يؤدي إلى مرشح مثلث بفضله لم تعد الأطوار قابلة للتعديل. يتم الحصول على المرشح الهرمي من مرشحات مثلثة في كلا الاتجاهين.
  • غاوسي: يستخدم هذا المرشح الشائع قانون الاحتمال الغاوسي (انظر القانون العادي متعدد الأبعاد ). يمكن الحصول على تقديرات تقريبية أكثر وأكثر دقة ، وفقًا لنظرية الحد المركزي من خلال تكرار أحد المرشحات السابقة.

يتم استخدام مرشح Gaussian كعنصر من مكونات قناع unsharp الذي يحسن الحدة الظاهرية للصور الرقمية. على الرغم من انتشاره من خلال التصوير الفني إلى حد ما ، إلا أنه يُستخدم أيضًا في تقنيات معينة ، مثل علم الفلك 3 .

السابق
شدة الضوء
التالي
البثور