پروژه متلب تشخیص توپ در متلب با کمک پردازش تصویر :پروژه متلب

در این پروژه عکس ورودی از طریق وبکم وارد برنامه می گردد و سپس با استفاده از رنگ توپ که به رنگ سبز می باشد با استفاده از سگمنت گذاری تصویر مشخص می شود.

مقدمه ای بر پردازش تصویر

در هر سیستمی و با هر عملکردی برای تصمیم گیری به داده های ورودی احتیاج داریم. این ورودی ها میتوانند از یک سنسور صوتی, سنسور فاصله سنج , سنسور مادون قرمز , میکروفن و با تصاویر ارسالی از یه دوربین باشد.

امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت و در نهایت تصمیم گیری صحیح می باشد. در مورد انسان نیز به همین صورت است, اطلاعات از طریق چشم به مغز ارسال می شوند و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند.

هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان در قبال داده ها و انجام پردازش های خاصی برای استخراج ویژگی مورد نیاز برای رسیدن به هدف از پیش تعیین شده می باشد.

پیکسل

کوچکترین جزء PIXEL است . پیکسل مخفف Picture Element به معنی المان تصویر است. یک تصویر متشکل از تعداد زیادی پیکسل است که در کنار هم قرار گرفته اند . در واقع زمانی که با یک دوربین دیجیتال عکس می گیرید اگر رزولوشن دوربین شما ۶۴۰۴۸۰x باشد به این معنی است که ماتریس با ابعاد ۶۴۰۴۸۰x در اختیار شماست که ۶۴۰ پیکسل در طول و ۴۸۰ پیکسل در عرض دارد . به ازای هر پیکسل یک سلول نوری در دوربین وجود دارد. شدت نور این سلول نوری مقدار عددی را برای این پیکسل تعیین می کند. به طور مثال به ازای رنگ سیاه مقدار صفر در پیکسل ذخیره می شود و به ازای رنگ سفید مقدار ۲۵۵ در آن ذخیره می شود.

هیستوگرام

هیستوگرام در واقع همان نمودار میله ای افزونی هر رنگ می باشد, به عنوان مثال تعداد پیکسل هایی که حاوی رنگ شماره ۷۵ هستند ۲۵ عدد است . از هسیتوگرام برای آستانه گیری استفاده می شود.

آستانه گیری ( Threshold )

فرض کنید می خواهید از یک عکس ۱۶ بیتی یک تصویر سیاه و سفید بسازید . برای این کار باید تک تک پیکسل ها را با مقدار مشخصی مقایسه کنید اگر بزرگتر از آن مقدار مشخص بود به جای آن رنگ سفید و اگر کوچکتر بود به جای آن مقدار سیاه قرار می دهیم . به این کار آستانه گیری با Threshold می گویند .

شماره گذاری آبجکت های درون تصویر

برای تشخیص اینکه چه تعداد آبجکت در تصویر وجود دارد و هر کدام از پیکسل هل متعلق به کدام آبجکت است از روش های مختلفی استفاده می شود و به این عمل Component Labeling یا شماره گذاری اجزاء گفته می شود .

برای اختصار آخرین و سریع ترین الگوریتم موجود را برسی می کنیم :

ماتریسی که در صفحه قبل مشاهده می کنید یک تصویر به فرض سیاو و سفید است ( رنگ هایی که در تصویر مشاهده می کنید برای جدا کردن آبجکت ها است ) در خانه هایی که آبجکتی وجود ندارد مقدار صفر و در پیکسل هایی که آبجکت وجود دارد عدد یک وجود دارد .

از سطر اول شروع می کنیم و آنقدر در سطر حرکت می کنیم تا به اولین پیکسلی که حاوی مقدار ۱ است برسیم , این پیکسل را به عنوان اولین آبجکت در نظر می گیریم . کار را ادامه می دهیم در سطر بعد اولین مقدار ۱ که رسیدیم همسایه های ۸ گانه آنرا نگاه می کنیم . اگر بین پیکسلی که قبلا نشانه گذاری کرده بودیم و پیکسلی که الان به آن رسیدیم مسیری وجود داشت , این ۲ پیکسل هر دو از یک آبجکت هستند , پس به این پیکسل نیز برچسب همان پیکسل قبلی را می زنیم . کار ادامه پیدا می کند تا جایی که به پیکسلی میرسیم که در شکل مشخص شده است که متعلق به آبجکت یک است ولی در همسایگی آن پیکسل برچسب گذاری نشده است .

بدون در نظر گرفتن این موضوع برچسب جدیدی را به آن می زنیم . کار را به همین صورت ادامه میدهیم ته به پایان برسیم .

نکته قابل توجه اینجاست که آبجکت هایی که با ۲ برچسب مشخص شده اند در جایی این ۲ پیکسل به هم میرسند . در بار دوم که ماتریس تصویر را رفرش می کنیم به محل تلاقی برچسب ها که رسیدیم مقدار برچسب کوچکتر را در برچسب های بزرگتر قرار می دهیم . حال با ۲ بار رفرش کردن تصویر با فرض سیاه و سفید بودن تصویر می توان تمامی آبجکت ها را مشخص و جدا کرد .

خروجی متلب :