3 :تعداد فایل پیوست
مفاهیم پایه ی پردازش تصویر دیجیتال
مدل رنگ
مدل رنگ کميتی را به يک رنگ نسبت می دهد تا آن را از ساير رنگ ها متمايز کند. در اينجا تنها دو مدل RGB و HSB شرح داده می شود.
مدل رنگ RGB
در اين مدل هر رنگ از ترکيب سه رنگ قرمز (Red), سبز (Green) و آبی (Blue) با شدت های مختلف ساخته می شود. مقدار شدت هر يک از اين سه رنگ عددی صحيح بين صفر تا 255 است. برای نمايش يک رنگ در فضای اين مدل دستگاه مختصات کارتزين سه بعدی را در نظر می گيريم. در اين صورت محور x معادل شدت رنگ قرمز, محور y معادل شدت رنگ سبز و محور z معادل شدت رنگ آبی است.
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
به عنوان مثال در مدل RGB کد رنگ سياه (0, 0, 0) و کد رنگ سفيد (255, 255, 255) است. برای استخراج کد رنگ ها در سی شارپ تحت اين قالب می توان از کد زير استفاده کرد:
کد:
private string getRGB(Color color)
{
return "(" +
color.R.ToString()
+ ", " +
color.G.ToString()
+ ", " +
color.B.ToString()
+ ")";
}
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
مدل رنگ HSB
در اين مدل يک رنگ براساس يک طيف رنگ (Hue), اشباع رنگ (Saturation) و درخشندگی (Brightness) تعريف می شود. برای نمايش يک رنگ در فضای اين مدل دستگاه مختصات استوانه ای را نظر می گيريم. در اين صورت θ معادل Hue و عددی بين صفر تا 360 است. راستای شعاعی r معادل Saturation و عددی بين صفر تا 1 است. راستای z نيز معادل Brightness خواهد بود که عددی بين صفر تا يک است.
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
به عنوان مثال در مدل HSB کد رنگ سياه (0, 0, 0) و کد رنگ سفيد (0, 0, 1) است. برای استخراج کد رنگ ها در سی شارپ تحت اين قالب می توان از کد زير استفاده کرد:
کد:
private string getHSB(Color color)
{
return "(" +
color.GetHue().ToString()
+ ", " +
color.GetSaturation().ToString()
+ ", " +
color.GetBrightness().ToString()
+ ")";
}
2 :تعداد فایل پیوست
هیستوگرام و مقایسه ی تصاویر
هيستوگرام
يک نمودار آماری است که نحوه ی توزيع پيکسل ها را به ازای يک طيف رنگ مشخص نشان می دهد. هيستوگرام شکل زير بيان می کند چه تعداد پيکسل در ناحيه ی روشن و چه تعداد پيکسل در ناحيه ی تاريک تصوير واقع شده اند:
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
Brightness Histogram يک ابزار مناسب جهت تشخيص خطای نورسنجی در دوربين های ديجيتال به شمار می آيد. اگر ما قصد عکس برداری از يک ناحيه ی روشن را داريم در حالی که در پيش نمايش هيستوگرام دوربين بيش تر پيکسل ها در ناحيه ی تاريک توزيع شده باشند, نورسنجی دوربين مناسب نبوده و بايد آن را جبران کرد.
مقايسه ی تصاوير
يکی از راه های مقايسه ی تصاوير استفاده از عملگر تفريق است. برای مقايسه ی دو تصوير با اين روش, بردار های رنگ متناظر در دو تصوير را از هم کم می کنيم و بردار های حاصل را در تصوير جديدی ذخيره می کنيم. اگر در اين دو تصوير در نقطه ی (x, y) رنگ ها مشابه هم بودند, نقطه ی متناظر (x, y) در تصوير جديد به رنگ سياه در می آيد زيرا می دانيم حاصل تفريق دو بردار مشابه بردار صفر است که در مدل رنگ RGB معادل رنگ سياه خواهد بود. در غير اين صورت رنگ آن نقطه در تصوير جديد به شکل روشن در می آيد.
از اين روش می توان در مقايسه ی فريم های يک دوربين امنيتی جهت تشخيص حرکت (Motion Detection) استفاده کرد. در صورتی که در تصوير حاصل از تفاضل دو فريم متوالی رنگی غير از سياه مشاهد شود (هيستوگرام آن توزيعی در ناحيه ی روشن داشته باشد), می توان نتيجه گرفت که صحنه ی مقابل دوربين تغيير کرده است. از روش مشابه برای مقايسه ی تصوير پزشکی اسکن مغز بيمار با يک نمونه ی سالم جهت تشخيص بيماری استفاده می کنند.
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
2 :تعداد فایل پیوست
فيلتر کردن تصاوير با عملگر پيچش
در اين روش فيلتر H در تصوير A ضرب کانولوشن می شود (H *A) تا تصوير A ويژگی های مد نظر ما نظير نويز کم تر و يا درخشندگی بيش تر را بيابد. تصوير A از پيکسل هايی در طول و عرض تشکيل شده است و بين دو پيکسل متوالی نمی توان هيچ پيکسل ديگری تعريف کرد لذا فضای تصوير A گسسته است. در نتيجه بايد ضرب کانولوشن در فضای گسسته اجرا گردد. در اين صورت فيلتر H به شکل يک ماتريس مربعی در می آيد که به آن ماسک يا هسته ی پيچش (Convolution Mask يا Convolution Kernel) گفته می شود. اگر هسته ی پيچش يک ماتريس 3 در 3 باشد, ضرب کانولوشن آن برای يک پيکسل به شکل زير صورت می گيرد:
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]
برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]