Introduktion til digital billedbehandling

Den digitale billedbehandling er en proces til udførelse af billedbehandlingsalgoritmer på digitale billeder. Digital billedbehandling indeholder behandling af billeder såsom læsning, analyse og manipulering af et billede og udførelse af enhver form for operation på det samme, såsom forbedring af informationsrepræsentationen af ​​et billede, behandling af billeddata til opbevaring, transmission og repræsentation. Digital billedbehandling bruges i projekter, der beskæftiger sig med klassificering, funktionsekstraktion, mønstergenkendelse osv. Teknikker, der bruges til digital billedbehandling er billedredigering, billedgendannelse, Lineær filtrering, Pixelering, matchning af punktfunktioner, analyse af vigtigste komponenter, uafhængig komponentanalyse, etc.

Hvad er et billede?

Et billede er repræsenteret som en funktion F (a, b), som er 2-dimensionel, hvor a og b er de rumlige eller plane koordinater. Området 'F' på ethvert punkt af (a, b) kaldes billedets intensitet på det punkt. Hvis a, b og værdierne for f er endelige, siges billedet at være et digitalt billede. Et digitalt billede består af pixels, der har bestemte placeringer og værdier. Værdien af ​​pixel har varieret fra 0 til 255.

Eksempel:

Figuren nedenfor viser et billede og tilsvarende pixels for et punkt

Billedet og dets pixels

Forklar billedbehandling

Billedbehandling er defineret som en teknik til at forbedre råbilleder, der er taget ved hjælp af forskellige synssensorer til forskellige applikationer, såsom medicinsk billeddannelse, filmindustri, intelligent transport osv. For at anvende billedbehandlingsteknikker er det første trin at digitalisere billedet til en billedfil . Yderligere skal metoderne anvendes til at omarrangere billeddele, for at forbedre farveseparation og for at forbedre kvaliteten.

Eksempel: Medicinsk anvendelse anvender billedbehandlingsteknikker til billedforbedring, i tomografi og i simuleringsoperationer. Tomografi er en metode, der bruges til røntgenfotografering.

Typer af billede

  • Billedet, der kun indeholder to pixelelementer, der er 1 og 0, hvor 1 repræsenterer hvid og 0 repræsenterer sort farve kaldes binært billede eller monokrom.
  • Billedet, der består af den eneste sort / hvide farve, kaldes sort / hvidt billede.
  • Der er et '8-bit farveformatbillede' med 256 forskellige nuancer af farver i det og normalt kendt som Gråtonebillede. I dette repræsenterer 0 sort, 127 står for gråt og 255 viser hvidt.
  • Et andet er '16-bit farveformat ', der har 65.536 forskellige farver. I dette format er farvefordelingen forskellig fra gråtonebilledet.

Et 16-bit-format er yderligere opdelt i tre formater, der er rød, grøn og blå forkortet som RGB-format.

Repræsentation af billede

Billedet er repræsenteret som en matrix eller matrix med firkantede pixels arrangeret i rækker og kolonner. Matlab er en meget god platform til at hente, læse og behandle billeder. Det har også en billedbehandlingsværktøjskasse. Det er kendt, at billedet vises som kolonner og rækker som repræsenteret nedenfor:

Denne ligning er matrixrepræsentationen af ​​et digitalt billede, hvori hvert element kaldes pixel.

Eksempel: For at læse et billede skal vi bruge følgende kommando i MatLab

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

Efter udførelse af denne kommando gemmes billedet i variablen I som en 3-dimensionel array eller matrix som vist på figuren herunder. Arrayet har en størrelse på 225X224X3. Det har forskellige pixelværdier, der spænder fra 0 til 255.

Array-repræsentation af et billede

Efter at have vist billedet ved hjælp af følgende kommando:

show(i)

Vi kan også se pixelværdierne for et bestemt punkt som vist i figuren herunder. Det viser placeringen af ​​den spidse pixel som (X, Y) og værdier for RGB, der er farvedetaljer for rød, grøn og blå.

Pixelposition og RGB-værdier

I MatLab kan de forskellige funktioner udføres på billeder som læse, vise, ændre størrelse, rotere, skærpe, tilføje støj, fjerne støj, filtrering, kantdetektion, hjørnedetektion, kortlægning og mange flere.

Faser af billedbehandling

  1. Erhvervelse: Billedindsamling defineres som hentning eller hentning af et billede ved hjælp af en hvilken som helst type synssensorer. Det vigtigste arbejde involverer skalering og farvekonvertering, der er RGB til grå eller grå til RGB
  2. Billedforbedring: Billedforbedring handler om at forbedre kvaliteten af ​​et billede ved at skærpe eller lysere billedet. Dette gøres for let at identificere dens funktioner.
  3. Gendannelse af billeder: Gendannelse af billeder beskæftiger sig med støjfjernelse eller sløreffekt fra et billede for at forbedre dets læsbarhed.
  4. Behandling med flere opløsninger og bølger: Ved hjælp af disse teknikker kan billeder repræsenteres i flere grader.
  5. Billedkomprimering: Billedkomprimering omhandler billedstørrelse eller opløsning. Det anvendes på billedet for at reducere omkostningerne ved lagring og transmission.
  6. Objektdetektion og genkendelse: Det er at registrere og genkende billedet og tildele dets faktiske etiket ved at registrere funktionerne i et billede.

Anvendelse af digital billedbehandling

  • Den mest berømte og nyttige anvendelse af billedbehandling er dybe neurale netværk. De dybe neurale netværk er de netværk, der kan trænes og testes til forskellige formål ved hjælp af billeddata. I dette er det rå billede generelt tilgængeligt. Billeddataene skal først forbehandles og derefter bruges til træningsformål. P
  • genbehandling af billede inkluderer reduktion af støj, fjern sløringseffekt, intensitetsudligning ved hjælp af FFT og mange flere. Flere funktioner i billeddata skal udvindes, og brugen af ​​disse funktionsnetværk kan trænes. Dette netværk kan trænes til at klassificere enhver form for data såsom trafik, ansigter, scener osv.
  • Resultatet af netværket afhænger af typen og kvaliteten af ​​billeddata, der er blevet brugt til træning. Der er mange netværk tilgængelige online såsom AleNet, GoogleNet, VGG osv., Der er trænet i forskellige typer billeder.

Konklusion

I dette er kun den indledende del af billedbehandlingen drøftet. Billedbehandling er meget omfattende i dagens scenarie. For eksempel er der en række filtre, der kan anvendes på billedet. Der er mange teknikker, der kan anvendes på billedet til forskellige formål såsom objektdetektion og klassificering, scene lokalisering, ansigtsgenkendelse, mønstergenkendelse osv.

Anbefalede artikler

Dette er en guide til digital billedbehandling. Her diskuterer vi introduktionen, hvad er et billede, billedtyper og anvendelsen af ​​digital billedbehandling. Du kan også gennemgå vores andre relaterede artikler for at lære mere–

  1. Maskinlæringsbiblioteker
  2. Softwares til digital signatur
  3. Hvad er databehandling?
  4. MATLAB version
  5. Sådan implementeres farve i Matlab?

Kategori:

Big Data