Anwendungen und Verwendung

Da die digitale Bildverarbeitung sehr breite Anwendungen hat und fast alle technischen Bereiche von DIP betroffen sind, werden wir nur einige der Hauptanwendungen von DIP diskutieren.

Die digitale Bildverarbeitung beschränkt sich nicht nur auf die Anpassung der räumlichen Auflösung der von der Kamera aufgenommenen Alltagsbilder. Es ist nicht nur darauf beschränkt, die Helligkeit des Fotos usw. zu erhöhen, sondern es ist weit mehr als das.

Elektromagnetische Wellen können als Teilchenstrom betrachtet werden, bei dem sich jedes Teilchen mit Lichtgeschwindigkeit bewegt. Jedes Teilchen enthält ein Energiebündel. Dieses Energiebündel wird Photon genannt.

Das elektromagnetische Spektrum gemäß der Energie des Photons ist unten gezeigt.

In diesem elektromagnetischen Spektrum können wir nur das sichtbare Spektrum sehen. Das sichtbare Spektrum umfasst hauptsächlich sieben verschiedene Farben, die üblicherweise als (VIBGOYR) bezeichnet werden. VIBGOYR steht für Violett, Indigo, Blau, Grün, Orange, Gelb und Rot.

Aber das macht die Existenz anderer Dinge im Spektrum nicht zunichte. Unser menschliches Auge kann nur den sichtbaren Teil sehen, in dem wir alle Objekte gesehen haben. Aber eine Kamera kann die anderen Dinge sehen, die ein bloßes Auge nicht sehen kann. Zum Beispiel: Röntgenstrahlen, Gammastrahlen usw. Daher erfolgt die Analyse all dieser Dinge auch in der digitalen Bildverarbeitung.

Diese Diskussion führt zu einer anderen Frage:

Warum müssen wir all diese anderen Dinge auch im EM-Spektrum analysieren?

Die Antwort auf diese Frage liegt in der Tatsache, dass andere Dinge wie XRay im Bereich der Medizin weit verbreitet sind. Die Analyse von Gammastrahlen ist notwendig, da sie in der Nuklearmedizin und in der astronomischen Beobachtung weit verbreitet sind. Gleiches gilt für den Rest der Dinge im EM-Spektrum.

Anwendungen der digitalen Bildverarbeitung

Einige der Hauptbereiche, in denen die digitale Bildverarbeitung weit verbreitet ist, sind nachstehend aufgeführt

  • Bildschärfung und -wiederherstellung

  • Medizinischen Bereich

  • Fernerkundung

  • Übertragung und Codierung

  • Maschinen- / Robotervision

  • Farbverarbeitung

  • Mustererkennung

  • Videoverarbeitung

  • Mikroskopische Bildgebung

  • Others

Bildschärfung und -wiederherstellung

Das Schärfen und Wiederherstellen von Bildern bezieht sich hier auf die Verarbeitung von Bildern, die mit der modernen Kamera aufgenommen wurden, um ein besseres Bild zu erhalten, oder um diese Bilder so zu manipulieren, dass das gewünschte Ergebnis erzielt wird. Es bezieht sich auf das, was Photoshop normalerweise tut.

Dies umfasst Zoomen, Verwischen, Schärfen, Konvertieren von Graustufen in Farben, Erkennen von Kanten und umgekehrt, Bildwiederherstellung und Bilderkennung. Die gängigen Beispiele sind:

Das Originalbild

Das gezoomte Bild

Bild verwischen

Scharfes Bild

Kanten

Medizinischen Bereich

Die gängigen Anwendungen von DIP im medizinischen Bereich sind

  • Gammastrahlenbildgebung

  • PET-Scan

  • Röntgenbildgebung

  • Medizinische CT

  • UV-Bildgebung

UV-Bildgebung

Im Bereich der Fernerkundung wird der Erdbereich von einem Satelliten oder von einem sehr hohen Boden aus gescannt und anschließend analysiert, um Informationen darüber zu erhalten. Eine besondere Anwendung der digitalen Bildverarbeitung im Bereich der Fernerkundung ist die Erkennung von Infrastrukturschäden, die durch ein Erdbeben verursacht wurden.

Da das Erfassen von Schäden länger dauert, auch wenn schwerwiegende Schäden im Mittelpunkt stehen. Da das vom Erdbeben betroffene Gebiet manchmal so groß ist, dass es nicht möglich ist, es mit menschlichem Auge zu untersuchen, um Schäden abzuschätzen. Selbst wenn dies der Fall ist, ist das Verfahren sehr hektisch und zeitaufwändig. Eine Lösung hierfür findet sich also in der digitalen Bildverarbeitung. Ein Bild des betroffenen Gebiets wird von oben aufgenommen und anschließend analysiert, um die verschiedenen Arten von Schäden zu ermitteln, die durch das Erdbeben verursacht wurden.

Die wichtigsten Schritte in der Analyse sind:

  • Die Extraktion von Kanten

  • Analyse und Verbesserung verschiedener Arten von Kanten

Übertragung und Codierung

Das allererste Bild, das über das Kabel übertragen wurde, war über ein U-Boot-Kabel von London nach New York. Das gesendete Bild ist unten dargestellt.

Das gesendete Bild brauchte drei Stunden, um von einem Ort zum anderen zu gelangen.

Stellen Sie sich jetzt vor, wir können heute Live-Video-Feeds oder Live-CCTV-Aufnahmen von einem Kontinent zum anderen mit einer Verzögerung von nur Sekunden sehen. Dies bedeutet, dass auch in diesem Bereich viel Arbeit geleistet wurde. Dieses Feld konzentriert sich nicht nur auf die Übertragung, sondern auch auf die Codierung. Es wurden viele verschiedene Formate für hohe oder niedrige Bandbreite entwickelt, um Fotos zu codieren und sie dann über das Internet oder so weiter zu streamen

Maschinen- / Robotervision

Abgesehen von den vielen Herausforderungen, denen sich ein Roboter heute gegenübersieht, besteht eine der größten Herausforderungen immer noch darin, die Sicht des Roboters zu verbessern. Machen Sie den Roboter in die Lage, Dinge zu sehen, zu identifizieren, die Hürden zu identifizieren usw. Dieses Feld hat viel Arbeit geleistet, und es wurde ein völlig anderes Feld der Computer Vision eingeführt, um daran zu arbeiten.

Hürdenerkennung

Die Erkennung von Hürden ist eine der häufigsten Aufgaben, die durch die Bildverarbeitung erledigt wurden, indem verschiedene Arten von Objekten im Bild identifiziert und anschließend der Abstand zwischen Roboter und Hürden berechnet wurden.

Linienfolgerroboter

Die meisten Roboter arbeiten heute auf der Linie und werden daher als Linienfolger-Roboter bezeichnet. Dies hilft einem Roboter, sich auf seinem Weg zu bewegen und einige Aufgaben auszuführen. Dies wurde auch durch Bildverarbeitung erreicht.

Farbverarbeitung

Die Farbverarbeitung umfasst die Verarbeitung von Farbbildern und verschiedenen verwendeten Farbräumen. Zum Beispiel RGB-Farbmodell, YCbCr, HSV. Dazu gehört auch das Studium der Übertragung, Speicherung und Codierung dieser Farbbilder.

Mustererkennung

Die Mustererkennung umfasst Studien aus der Bildverarbeitung und aus verschiedenen anderen Bereichen, zu denen das maschinelle Lernen (ein Zweig der künstlichen Intelligenz) gehört. Bei der Mustererkennung wird die Bildverarbeitung zum Identifizieren der Objekte in einem Bild verwendet, und dann wird maschinelles Lernen verwendet, um das System auf die Änderung des Musters zu trainieren. Die Mustererkennung wird bei der computergestützten Diagnose, der Erkennung von Handschriften, der Erkennung von Bildern usw. Verwendet

Videoverarbeitung

Ein Video ist nichts anderes als die sehr schnelle Bewegung von Bildern. Die Qualität des Videos hängt von der Anzahl der Bilder / Bilder pro Minute und der Qualität jedes verwendeten Bilds ab. Die Videoverarbeitung umfasst Rauschunterdrückung, Detailverbesserung, Bewegungserkennung, Bildratenkonvertierung, Seitenverhältniskonvertierung, Farbraumkonvertierung usw.