Introduksjon til digital bildebehandling

Den digitale bildebehandlingen er en prosess for å utføre bildebehandlingsalgoritmer på digitale bilder. Digital bildebehandling inneholder prosessering av bilder som å lese, analysere og manipulere et bilde, og utføre enhver form for operasjon på samme måte som å forbedre informasjonsrepresentasjonen av et bilde, behandle bildedataene for lagring, overføring og representasjon. Digital bildebehandling brukes i prosjekter som tar for seg klassifisering, ekstraksjon av funksjoner, mønstergjenkjenning, osv. Teknikker som brukes i digital bildebehandling er bilderedigering, restaurering av bilder, lineær filtrering, pixelering, poengfunksjon matching, analyse av hovedkomponenter, uavhengig komponentanalyse, etc.

Hva er et bilde?

Et bilde er representert som en funksjon F (a, b) som er todimensjonal der a og b er de romlige eller plane koordinatene. Området for 'F' på et hvilket som helst punkt av (a, b) kalles intensiteten til bildet på det punktet. Hvis a, b og verdiene til f er endelige, sies bildet å være et digitalt bilde. Et digitalt bilde består av piksler som har bestemte plasseringer og verdier. Verdien på piksler har variert fra 0 til 255.

Eksempel:

Figuren nedenfor viser et bilde og tilsvarende piksler på et punkt

Bilde og piksler

Forklar bildebehandling

Bildebehandling er definert som en teknikk for å forbedre råbilder som er tatt med forskjellige synssensorer for forskjellige bruksområder som medisinsk bildebehandling, filmindustri, intelligent transport, etc. For å anvende bildebehandlingsteknikker er det første trinnet å digitalisere bildet til en bildefil . Videre må metodene brukes til å omorganisere bildedeler, for å forbedre fargeseparasjonen og for å forbedre kvaliteten.

Eksempel: Medisinsk applikasjon bruker bildebehandlingsteknikker for bildeforbedring, i tomografi og i simuleringsoperasjoner. Tomografi er en metode som brukes for røntgenfotografering.

Typer av bilder

  • Bildet som bare inneholder topikselelementer som er 1 og 0, der 1 representerer hvit og 0 representerer svart farge kalles binært bilde eller monokrom.
  • Bildet som består av den eneste svart-hvite fargen kalles svart-hvitt-bilde.
  • Det er et '8-biters fargeformatbilde' med 256 forskjellige fargenyanser i seg og vanligvis kjent som Gråtoneskala. I dette representerer 0 svart, 127 står for grått og 255 skildrer hvitt.
  • En annen er '16-bit fargeformat 'som har 65.536 forskjellige farger i seg. I dette formatet er fargedistribusjonen forskjellig fra Grayscale-bildet.

Et 16-bits format er videre oppdelt i tre formater som er rød, grønn og blå forkortet som RGB-format.

Representasjon av bilde

Bildet er representert som en matrise eller matrise med firkantede piksler arrangert i rader og kolonner. Matlab er en veldig god plattform for å hente, lese og behandle bilder. Den har en bildebehandlingsverktøykasse. Det er kjent at bildet vises som kolonner og rader som representert nedenfor:

Denne ligningen er matrepresentasjonen av et digitalt bilde der hvert element kalles piksel.

Eksempel: For å lese et bilde, må vi bruke følgende kommando i MatLab

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

Etter å ha utført denne kommandoen, vil bildet lagres i variabelen I som en tredimensjonal matrise eller matrise som vist på figuren nedenfor. Arrayen har en størrelse på 225X224X3. Den har forskjellige pikselverdier fra 0 til 255.

Array-representasjon av et bilde

Etter å ha vist bildet ved å bruke følgende kommando:

show(i)

Vi kan også se pikselverdiene til et bestemt punkt som vist på figuren nedenfor. Den viser posisjonen til den spisse pikslen som (X, Y) og verdiene til RGB som er fargedetaljer for rødt, grønt og blått.

Pikselposisjon og RGB-verdier

I MatLab kan de forskjellige funksjonene utføres på bilder som lese, vise, endre størrelse, rotere, skjerpe, legge til støy, fjerne støy, filtrering, kantdeteksjon, hjørnedeteksjon, kartlegging og mange flere.

Faser av bildebehandling

  1. Anskaffelse: Innhenting av bilder er definert som å hente eller hente et bilde ved bruk av alle slags synssensorer. Hovedarbeidet innebærer skalering og fargekonvertering som er RGB til grått eller grått til RGB
  2. Bildeforbedring: Bildeforbedring handler om å forbedre kvaliteten på et bilde ved å skarpe eller lysere bildet. Dette gjøres for enkelt å identifisere funksjonene.
  3. Gjenoppretting av bilder: Gjenoppretting av bilder omhandler støyfjerning eller uskarphet effekt fra et bilde for å forbedre lesbarheten.
  4. Multi-Resolution and Wavelets Processing: Ved bruk av disse teknikkene kan bilder bli representert i flere grader.
  5. Bildekomprimering: Bildekomprimering omhandler bildestørrelse eller oppløsning. Det brukes på bildet for å redusere kostnadene for lagring og overføring.
  6. Objektdeteksjon og anerkjennelse: Det er å oppdage og gjenkjenne bildet og tilordne dets faktiske etikett ved å oppdage funksjonene i et bilde.

Bruk av digital bildebehandling

  • Den mest kjente og nyttige bruken av bildebehandling er dype nevrale nettverk. De dype nevrale nettverkene er nettverkene som kan trenes og testes til forskjellige formål ved bruk av bildedata. I dette er råbildet generelt tilgjengelig. Bildedataene må først bearbeides og deretter brukes til treningsformål. P
  • re-prosessering av bilde inkluderer reduksjon av støy, fjern uskarphetseffekt, intensitetsutjevning ved hjelp av FFT og mange flere. Ytterligere funksjoner i bildedata må trekkes ut, og bruk av disse funksjonsnettverkene kan trenes. Dette nettverket kan trenes til å klassifisere alle slags data som trafikk, ansikter, scener osv.
  • Resultatet av nettverket avhenger av typen og kvaliteten på bildedata som har blitt brukt til trening. Det er mange nettverk tilgjengelig online som AleNet, GoogleNet, VGG, etc. som har blitt trent på forskjellige typer bilder.

Konklusjon

I dette har bare den innledende delen av bildebehandlingen blitt diskutert. Bildebehandling er veldig stort i dagens scenario. For eksempel er det en rekke filtre som kan brukes på bildet. Det er mange teknikker som kan brukes på bildet til forskjellige formål som objektdeteksjon og klassifisering, scene lokalisering, ansiktsgjenkjenning, mønstergjenkjenning, etc.

Anbefalte artikler

Dette er en guide til digital bildebehandling. Her diskuterer vi introduksjonen, Hva er et bilde, bildetyper og bruken av digital bildebehandling. Du kan også gå gjennom de andre relaterte artiklene våre for å lære mer–

  1. Maskinlæringsbiblioteker
  2. Programvare for digital signatur
  3. Hva er databehandling?
  4. MATLAB versjon
  5. Hvordan implementere farge i Matlab?

Kategori:

Stor Data