✅ Цифровая обработка изображений - Применение цифровой обработки изображений

Введение в цифровую обработку изображений

Введение в цифровую обработку изображений

Цифровая обработка изображений - это процесс выполнения алгоритмов обработки изображений на цифровых изображениях. Цифровая обработка изображений содержит обработку изображений, такую как считывание, анализ и манипулирование изображением, и выполнение любых операций над ними, таких как улучшение представления информации изображения, обработка данных изображения для хранения, передачи и представления. Цифровая обработка изображений используется в проектах, связанных с классификацией, извлечением признаков, распознаванием образов и т. Д. В цифровой обработке изображений используются следующие методы: редактирование изображений, восстановление изображений, линейная фильтрация, пикселизация, сопоставление точечных объектов, анализ главных компонентов, анализ независимых компонентов., и т.д.

Что такое изображение?

Изображение представляется в виде функции F (a, b), которая является двухмерной, где a и b - пространственные или плоские координаты. Диапазон «F» в любой точке (a, b) называется интенсивностью изображения в этой точке. Если a, b и значения f конечны, изображение называется цифровым изображением. Цифровое изображение состоит из пикселей, имеющих определенные местоположения и значения. Значение пикселя варьировалось от 0 до 255.

Пример:

На рисунке ниже показано изображение и соответствующие пиксели точки

Изображение и его пиксели

Объяснить обработку изображений

Обработка изображений определяется как методика улучшения необработанных изображений, снятых с использованием различных датчиков зрения для различных применений, таких как медицинская визуализация, киноиндустрия, интеллектуальная транспортировка и т. Д. Чтобы применить методы обработки изображений, первым шагом является оцифровка изображения в файл изображения., Кроме того, методы должны применяться для изменения порядка частей изображения, для улучшения цветоделения и улучшения качества.

Пример: в медицинском приложении используются методы обработки изображений для улучшения изображения, в томографии и в операциях моделирования. Томография - это метод, используемый для рентгеновской фотографии.

Типы изображения

Изображение, содержащее только двухпиксельные элементы 1 и 0, где 1 представляет белый цвет, а 0 представляет черный цвет, называется двоичным изображением или монохромным.
Изображение, которое состоит из единственного черно-белого цвета, называется черно-белым изображением.
Существует «8-битное изображение в цветном формате», имеющее 256 различных оттенков цвета и обычно называемое изображением в градациях серого. Здесь 0 обозначает черный, 127 обозначает серый, а 255 обозначает белый.
Другой - это 16-битный формат цвета, в котором 65 536 различных цветов. В этом формате распределение цвета отличается от изображения в градациях серого.

16-битный формат дополнительно разделен на три формата: красный, зеленый и синий, сокращенно как формат RGB.

Представление изображения

Изображение представляется в виде массива или матрицы квадратных пикселей, расположенных в строках и столбцах. Matlab - очень хорошая платформа для поиска, чтения и обработки изображений. Он также имеет набор инструментов для обработки изображений. Известно, что изображение представлено в виде столбцов и строк, как показано ниже:

Это уравнение является массивом представления цифрового изображения, в котором каждый элемент называется пикселем.

Пример: чтобы прочитать изображение, мы должны использовать следующую команду в MatLab

i=imread('F:\image.jpg.webp');

После выполнения этой команды изображение будет сохранено в переменной I в виде трехмерного массива или матрицы, как показано на рисунке ниже. Массив имеет размер 225X224X3. Он имеет разные значения пикселей в диапазоне от 0 до 255.

Массивное представление изображения

После отображения изображения используйте следующую команду:

show(i)

Мы также можем видеть значения пикселей определенной точки, как показано на рисунке ниже. Он показывает положение заостренного пикселя в виде (X, Y) и значения RGB, то есть цветовые детали красного, зеленого и синего цветов.

Пиксельная позиция и значения RGB

В MatLab различные функции могут быть выполнены с изображениями, такими как чтение, отображение, изменение размера, поворот, резкость, добавление шума, удаление шума, фильтрация, обнаружение краев, обнаружение углов, отображение и многое другое.

Фазы обработки изображений

Получение: получение изображения определяется как получение или получение изображения с использованием любого типа датчиков зрения. Основная работа включает в себя масштабирование и преобразование цветов: RGB в серый или серый в RGB
Улучшение изображения: Улучшение изображения - это улучшение качества изображения путем повышения резкости или увеличения яркости изображения. Это делается для того, чтобы легко определить его особенности.
Восстановление изображения. Восстановление изображения связано с устранением шума или эффекта размытия изображения, чтобы улучшить его читаемость.
Мульти-разрешение и обработка вейвлетов: используя эти методы, изображения могут быть представлены в нескольких градусах.
Сжатие изображения: сжатие изображения имеет дело с размером изображения или разрешением. Он применяется к изображению, чтобы уменьшить стоимость хранения, а также передачи.
Обнаружение и распознавание объектов: это обнаружение и распознавание изображения и назначение его фактической метки путем обнаружения особенностей изображения.

Применение цифровой обработки изображений

Самым известным и полезным приложением обработки изображений являются глубокие нейронные сети. Глубокие нейронные сети - это сети, которые можно обучать и тестировать для различных целей с использованием данных изображений. При этом необработанное изображение обычно доступно. Данные изображения должны быть предварительно обработаны, а затем могут быть использованы в учебных целях. п
повторная обработка изображения включает в себя уменьшение шума, устранение эффекта размытия, выравнивание интенсивности с использованием БПФ и многое другое. Дополнительные характеристики данных изображения должны быть извлечены, и использование этих функций сети может быть обучено. Эта сеть может быть обучена для классификации любых данных, таких как трафик, лица, сцены и т. Д.
Результат работы сети зависит от типа и качества данных изображения, которые использовались для обучения. В Интернете доступно множество сетей, таких как AleNet, GoogleNet, VGG и т. Д., Которые обучены различным типам изображений.

Вывод

При этом обсуждалась только вводная часть обработки изображений. Обработка изображений очень обширна в сегодняшнем сценарии. Например, существует множество фильтров, которые можно применить к изображению. Существует множество методов, которые можно применять к изображению для различных целей, таких как обнаружение и классификация объектов, локализация сцены, распознавание лиц, распознавание образов и т. Д.

Цифровая обработка изображений - Применение цифровой обработки изображений