تشخیص طیف رنگ در متلب با کمک پردازش تصویر
تشخیص طیف رنگ در متلب با کمک پردازش تصویر : پروژه متلب
پروژه متلب : در این پروژه ما قصد داریم تا به متلب یک عکس نمونه بدیم تا اجزایی که در آن ه رنگ مورد نظر ما هستند مشخص شوند. برای این کار از نمونه های استاندارد خود متلب استفاده می کنیم. همچنینی شما می توانید عکس های مورد نظر خودتان را برای این پروژه استفاده کنید. سپس عکس به دسته های مختلفی تقسیم می شود. در ادامه از شما خواسته می شود تا رنگ مورد نظر را از بین رنگ های قرمز ، سبز ، زرد و سفید انتخاب کنید تا در عکس مشخص شوند.
پروژه متلب انواع روش های پردازش تصویر اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و به‌کار گرفتن تکنیک‌های استاندارد پردازش سیگنال روی آنها می‌شود. دو نوع روش برای پردازش تصویر به صورت آنالوگ و دیجیتال است که تکنیک آنالوگ برای پردازش تصویر برای نسخه های سخت مانند چاپ عکس استفاده می شود. پردازش تصویر دیجیتال برای کاربردهای متعددی از تجزیه و تحلیل تصاویر ماهواره ای تا کنترل ابعاد قطعات میکروسکوپی استفاده می شود که امروزه بیشتر شناخته شده است. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. پردازش تصویر دیجیتال در علوم کامپیوتر، پردازش تصویر دیجیتال عبارت است از الگورتیم های کامپیوتری جهت انجام پردازش تصویر روی تصاویر دیجیتال، که مزیت های فراوانی نسبت به پردازش تصویر آنالوگ دارد. پردازش تصویر دیجیتال امکان اعمال الگوریتم های وسیع تری را روی داده های ورودی فراهم می کند و از مسائلی مثل تجمع نویز و اختلال سیگنال طی فرایند پردازش می‌تواند اجتناب کند. از آنجا که تصاویر روی دو بعد و بیشتر تعریف می شوند می توان آن را به شکل سیستم های چند بعدی مدل سازی کرد. چند موضوع مهم در پردازش تصویر(Image Processing) ناحیه بندی تصویر ناحیه بندی تصویرهمان تفکیک پیکسل های تصویر به نواحی مجزاست که برحسب ویژگی هایی مثل شدت روشنای، بافت و یا رنگ یکسان هستند و یا تا حد ممکن همبستگی دارند
.پروژه متلب ناحیه بندی تصویر در بسیاری از موارد پردازشی مثل تصاویر درمانی، بینایی ماشین، فشرده سازی تصویر، شی شناسی نیازی ضروری و مهم برای شروع پردازش است. تشخیص اشیا فرایند تشخیص شی، ساده ترین تحلیل تا پیشرفته ترین تحلیل ممکن است که با دیدن یک تصویر صورت می گیرد. مانند تشخیص انواع اجسام طبیعی و مصنوعی، تشخیص وضعیت هوا، تشخیص بیماری و روش درمان، تشخیص چهره شخص، تشخیص وضعیت اعضای بدن شخص و … که همه از تصاویر قابل استنتاج است. تشخیص چهره(Face Detection) یکی از چندین روش بیومتریک است که دقت بالایی دارد و برخلاف روش های دیگر اعتبار سنجی، کاربر خیلی راحت با چهره خودش می تواند در پروسه اعتبار سنجی وارد شود. تشخیص چهره در رباتیک بسیار مورد استفاده است. خواندنی ها خودروهای خودران و هوشمند چگونه زندگی شهری ما را متحول می کنند ۲۵ تیر,۱۳۹۸ ۸۴۸ کاربردهای بیگ دیتا – بیگ دیتا چگونه زندگی ما را متحول می کند ۱۷ تیر,۱۳۹۸ ۸۱۶ لبه یابی تصویر فرایند تشخیص لبه یکی از مهمترین تکنیک های کارآمد و مفید در پردازش تصویر به خصوص در جداسازی و شناسایی چهارچوب اصلی تصویراست.
پروژه متلب شیوه‌های متفاوتی جهت آشکار سازی لبه در یک تصویر وجود دارد که مشکلاتی مثل از بین رفتن داده های تصویر اصلی و عدم توانایی در لبه یابی در زوایای گوناگون مواجه هستند. هدف از تشخیص لبه مشخص کردن مرزهایی از اشیا در یک تصویر است که اساس تجزیه و تحلیل تصوویر و بینایی ماشین هستند. روش های فشرده سازی تصاویر در پردازش تصویر فشرده سازی تصویر به معنی کناز گذاشتن بخش هایی از اطلاعات و دهده ها است. که سبب کاهش پهنای باند و فرکانس مورد نیاز می شود و ذخیره کردن و انتقال آن ها را آسان تر می کند. ضریب یا نسبت فشرده سازی عددی است که میزان کنارگذاشتن اطلاعات را نشان می دهد. روش JPEG این نام مخفف Joint Photographic Expert Group است که در فشرده سازی عکس های گرافیکی ساکن استفاده می شود. JPEG اولین و ساده ترین روش فشرده سازی تصویر است که سعی شد برای تصاویر متحرک به صورت فریم به فریم فشرده شوند و برای ارتباط دادن این عکس ها به هم از Motion JPEG استفاده می شد که مشکلاتی داشت. روش MPEG این نام مخفف Moving Picture Expert Group است که درآن اطلاعات تصویر حدود ۵.۱ مگابیت برثانیه انتقال داده می شد که برای تصاویر ویدیوئی مورد استفاده بود. این روش امکان ذخیره حدود ۶۵۰ مگابایت اطلاعات معادل حدود ۷۰ دقیقه تصویر متحرک در یک دیسک را می دهد.
پروژه متلب در MPEG اطلاعات به صورت سریال و به همراه آن بیت های کنترل و هماهنگ کننده ارسال می شوند که موقعیت و نحوه قرارگیری بیت های اطلاعتی را برای ثبت اطلاعات صدا و تصویر تعیین می کند. روش MPEG 2 در این روش از ضریب فشرده سازی بالاتر استفاده می شود و دسترسی به اطلاعات ۳ تا ۱۵ مگابیت بر ثانیه است که در دی وی دی های امروزی استفاده می شود. هر فریم از تصویر شامل چندین سطر از اطلاعات دیجیتالی است.
روش MPEG 4 این روش برای تجهیزاتی که با انتقال سریع یا کند اطلاعات سروکار دارند استفاده می شود که توانایی جبران خطا و ارائه تصویر با کیفیت بالا را دارد. در شبکه های کامپیوتری باید تصویر برای تمام کاربران که با سرعت های متفاوت مودم کار می کنند، به خوبی نمایش داده شود که روش MPEG 4 مناسب است. ایده اصلی این روش تقسیم یک فریم ویدیوئی به یک یا چند موضوع است که طبق قاعده خاصی کنار هم قرار میگیرند و هر کدام شامل یک موضوع صوتی یا تصویری است و به صورت مجزا قابل کپی یا انتقال هستند. می توانیم اجزا مشترک را فقط یک بار به کار ببریم و هنگام ساختن موضوع به آن ها رجوع کنیم و حتی با ترکیب موضوعات می توانیم مجموعه جدیدی بوجود بیاوریم. این مسئله باعث انعطاف پذیری و کاربرد فراوان روش MPEG 4 شده است. برای درک بهتر این موضوع به این مثال توجه کنید. صحنه بازی تنیس را در نظر بگیرید که می توان آن را به دو موضوع بازیکن و زمین بازی تقسیم کرد. زمین بازی همواره ثابت است و به عنوان یک موضوع ثابت همواره تکرار می شود. ولی بازیکن همواره در حال حرکت است و چندین موضوع مختلف خواهد بود.
پروژه متلب این مسئله باعث کاهش پهنای باند اشغالی توسط تصاویر دیجیتالی می شود. توجه کنید که این ها تنها سیگنالهای ارسالی نیستند بلکه به همراه آن ها سیگنال های هماهنگ کننده که نحوه ترکیب و قرارگیری صحیح موضوعات را مشخص می کند، نیز ارسال می شود. کاربردهای پردازش تصویر(Image Processing) امروزه با پیشرفت سیستم های تصویر برداری و الگورتیم های پردازش تصویر شاخه جدیدی در کنترل کیفیت و ابزار دقیق به وجود آمده و هر روز پیشرفت های چشمگیری در این زمینه مشاهده می کنیم. پردازش تصویر کاربردهایی در زمینه هایی مثل : کاربرد در عکاسی عکاسی مانند ارتقا، بازسازی تصاویر قدیمی، بازسازی تصاویر خراب شده با نویز و بهبود ظاهر تصاویر معمولی کاربرد پزشکی پزشکی مانند ارتقا ویژگی های تصاویر اشعه ایکس، تولید تصاویر MRI و CT-Scan . کاربرد امنیتی امنیتی مانند تشخیص حرکت در دزدگیرها، تشخیص اثر انگشت، تشخیص چهره و امضا کاربرد نظامی نظامی مانند تشخیص و رهگیری خودکار اهداف متحرک یا ثابت از هوا یا از زمین کاربرد هوایی و ماهواره ای سنجش از راه دور مانند ارتقا و تحلیل تصاویر هوایی و ماهواره ای که در کاربردهای نقشه برداری، کشاورزی، هواشناسی و موارد دیگر مفید هستند. کاربردهای صنعتی صنعتی مرتبط با خودکار سازی صنایع مانند تفکیک محصولات مختلف بر اساس شکل یا اندازه، آشکار سازی نواقص و شکستگی های موجود در محصولات، تعیین محل اشیا و اجزای فرایند تولید ب استفاده از روبات ها و بینایی ماشین کاربردهای تصویرسازی فشرده سازی تصویر مانند ذخیره سازی، ارسال تصاویر تلویزیون با کیفیت بالا و ارسال تصاویر متحرک و زنده از روی شبکه اینترنت و یا خط تلفن موارد متفرقه دیگری نیز مانند تصویر برداری از اسناد و ارسال آنها توسط دورنگار و تشخیص خودکار نویسه در ردیف کاربردهای پردازش تصویر قرار دارند.
پروژه متلب انواع حسگر در پردازش تصویر در پردازش تصویر از سنسورها و حسگرهای مختلفی استفاده می شود که در اینجا فقط به اختصار به سه نوع آن اشاره می کنیم حسگر نقطه ای حرکت در جهات افقی و عمودی حسگر برداری از چند حسگر نقطه ای تشکیل شده که در هر جابه جایی یک خط تصویر برداری می شود. ماتریسی نیاز به حرکت نیست و در یک لحظه از تمام هدف تصویر برداری می شود.
خروجی متلب
دیدگاه ها