Inleiding tot digitale beeldverwerking

De digitale beeldverwerking is een proces voor het uitvoeren van beeldverwerkingsalgoritmen op digitale beelden. Digital Image Processing omvat het verwerken van afbeeldingen zoals het lezen, analyseren en manipuleren van een afbeelding, en het uitvoeren van elke soort bewerking op dezelfde manier, zoals het verbeteren van de informatieweergave van een afbeelding, het verwerken van de afbeeldingsgegevens voor opslag, verzending en weergave. Digitale beeldverwerking wordt gebruikt in projecten die te maken hebben met classificatie, functie-extractie, patroonherkenning, enz. Technieken die worden gebruikt bij digitale beeldverwerking zijn Beeldbewerking, Beeldherstel, Lineaire filtering, Pixelatie, Punt-functie-matching, Hoofdcomponentenanalyse, Onafhankelijke componentenanalyse, enz.

Wat is een afbeelding?

Een afbeelding wordt weergegeven als een functie F (a, b) die tweedimensionaal is, waarbij a en b de ruimtelijke of vlakke coördinaten zijn. Het bereik van 'F' op elk punt van (a, b) wordt de intensiteit van het beeld op dat punt genoemd. Als a, b en de waarden van f eindig zijn, wordt van de afbeelding gezegd dat deze een digitale afbeelding is. Een digitaal beeld bestaat uit pixels met bepaalde locaties en waarden. De waarde van pixel varieert van 0 tot 255.

Voorbeeld:

Onderstaande afbeelding toont een afbeelding en bijbehorende pixels van een punt

Afbeelding en de pixels

Uitleg beeldverwerking

Beeldverwerking wordt gedefinieerd als een techniek om onbewerkte beelden te verbeteren die zijn vastgelegd met verschillende vision-sensoren voor verschillende toepassingen, zoals medische beeldvorming, filmindustrie, intelligent transport, enz. Om beeldverwerkingstechnieken toe te passen, is de eerste stap het digitaliseren van de afbeelding in een beeldbestand . Verder moeten de methoden worden toegepast om beelddelen te herschikken, de kleurscheiding te verbeteren en de kwaliteit te verbeteren.

Voorbeeld: medische toepassing gebruikt beeldverwerkingstechnieken voor beeldverbetering, in tomografie en in simulatiebewerkingen. Tomografie is een methode die wordt gebruikt voor röntgenfotografie.

Soorten afbeeldingen

  • De afbeelding met alleen elementen met twee pixels die 1 en 0 zijn, waarbij 1 staat voor wit en 0 voor zwarte kleur wordt binair beeld of monochroom genoemd.
  • De afbeelding die uit de enige zwart-witte kleur bestaat, wordt de zwart-witte afbeelding genoemd.
  • Er is een '8-bit afbeelding in kleurformaat' met 256 verschillende tinten kleuren en meestal bekend als grijswaardenafbeelding. Hierin staat 0 voor Zwart, 127 staat voor grijs en 255 staat voor wit.
  • Een andere is '16-bit kleurenformaat 'met 65.536 verschillende kleuren erin. In dit formaat verschilt de kleurverdeling van de afbeelding in grijswaarden.

Een 16-bits indeling is verder gescheiden in drie indelingen die Rood, Groen en Blauw zijn afgekort als RGB-indeling.

Weergave van afbeelding

De afbeelding wordt weergegeven als een matrix of matrix van vierkante pixels gerangschikt in rijen en kolommen. Matlab is een zeer goed platform voor het ophalen, lezen en verwerken van afbeeldingen. Het heeft ook een toolbox voor beeldverwerking. Het is bekend dat de afbeelding wordt weergegeven als kolommen en rijen zoals hieronder weergegeven:

Deze vergelijking is de matrixrepresentatie van een digitaal beeld waarin elk element pixel wordt genoemd.

Voorbeeld: om een ​​afbeelding te lezen, moeten we de volgende opdracht in MatLab gebruiken

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

Na het uitvoeren van deze opdracht wordt de afbeelding opgeslagen in de variabele I als een driedimensionale matrix of matrix zoals weergegeven in de onderstaande afbeelding. De array heeft een grootte van 225X224X3. Het heeft verschillende pixelwaarden van 0 tot 255.

Matrixweergave van een afbeelding

Na het weergeven van de afbeelding met de volgende opdracht:

show(i)

We kunnen ook de pixelwaarden van een bepaald punt zien, zoals weergegeven in de onderstaande afbeelding. Het toont de positie van de puntige pixel als (X, Y) en RGB-waarden, dat zijn kleurdetails van rood, groen en blauw.

Pixelpositie en RGB-waarden

In MatLab kunnen de verschillende functies worden uitgevoerd op afbeeldingen zoals lezen, weergeven, vergroten / verkleinen, roteren, verscherpen, ruis toevoegen, ruis verwijderen, filtering, randdetectie, hoekdetectie, kaarten en nog veel meer.

Fasen van beeldverwerking

  1. Acquisitie: beeldacquisitie wordt gedefinieerd als het ophalen of ophalen van een beeld met elk type vision-sensor. Het belangrijkste werk omvat schaling en kleurconversie die RGB is naar grijs of grijs naar RGB
  2. Beeldverbetering: beeldverbetering gaat over het verbeteren van de kwaliteit van een beeld door het beeld te verscherpen of helderder te maken. Dit wordt gedaan om de functies ervan gemakkelijk te identificeren.
  3. Beeldherstel: beeldherstel gaat over ruisverwijdering of een wazig effect van een beeld om de leesbaarheid te verbeteren.
  4. Multi-resolutie en Wavelets-verwerking: met behulp van deze technieken kunnen afbeeldingen in verschillende graden worden weergegeven.
  5. Beeldcompressie : beeldcompressie heeft te maken met de beeldgrootte of resolutie. Het wordt op de afbeelding toegepast om de opslag- en verzendingskosten te verlagen.
  6. Objectdetectie en -herkenning: het is om de afbeelding te detecteren en te herkennen en het eigenlijke label toe te wijzen door de kenmerken van een afbeelding te detecteren.

Toepassing van digitale beeldverwerking

  • De meest bekende en nuttige toepassing van beeldverwerking is diepe neurale netwerken. De diepe neurale netwerken zijn de netwerken die kunnen worden getraind en getest voor verschillende doeleinden met behulp van beeldgegevens. Hierin is de onbewerkte afbeelding algemeen beschikbaar. De beeldgegevens moeten eerst vooraf worden verwerkt en kunnen vervolgens voor trainingsdoeleinden worden gebruikt. P
  • herverwerking van afbeeldingen omvat onder meer het verminderen van ruis, het verwijderen van het vervagingseffect, de intensiteitsvereffening met FFT en nog veel meer. Verdere functies van beeldgegevens moeten worden geëxtraheerd en het gebruik van die netwerk kan worden getraind. Dit netwerk kan worden getraind om alle soorten gegevens te classificeren, zoals verkeer, gezichten, scènes, enz.
  • Het resultaat van het netwerk is afhankelijk van het type en de kwaliteit van de afbeeldingsgegevens die voor training zijn gebruikt. Er zijn veel netwerken online beschikbaar, zoals AleNet, GoogleNet, VGG, enz. Die zijn getraind op verschillende soorten afbeeldingen.

Conclusie

Hierin is alleen het inleidende deel van de beeldverwerking besproken. Beeldverwerking is erg uitgebreid in het scenario van vandaag. Er zijn bijvoorbeeld verschillende filters die op de afbeelding kunnen worden toegepast. Er zijn veel technieken die op de afbeelding kunnen worden toegepast voor verschillende doeleinden, zoals objectdetectie en -classificatie, scènelokalisatie, gezichtsherkenning, patroonherkenning, enz.

Aanbevolen artikelen

Dit is een handleiding voor digitale beeldverwerking. Hier bespreken we de introductie, wat is een afbeelding, soorten afbeeldingen en de toepassingen van digitale beeldverwerking. U kunt ook onze andere gerelateerde artikelen lezen voor meer informatie–

  1. Machine Learning-bibliotheken
  2. Software voor digitale handtekeningen
  3. Wat is gegevensverwerking?
  4. MATLAB-versie
  5. Hoe kleur in Matlab te implementeren?

Categorie:

Big Data