Applications et utilisation
Étant donné que le traitement d'images numériques a des applications très larges et que presque tous les domaines techniques sont touchés par le DIP, nous allons simplement discuter de certaines des principales applications du DIP.
Le traitement d'image numérique ne se limite pas à ajuster la résolution spatiale des images quotidiennes capturées par l'appareil photo. Il ne s'agit pas seulement d'augmenter la luminosité de la photo, etc. C'est bien plus que cela.
Les ondes électromagnétiques peuvent être considérées comme un flux de particules, où chaque particule se déplace à la vitesse de la lumière. Chaque particule contient un faisceau d'énergie. Ce faisceau d'énergie s'appelle un photon.
Le spectre électromagnétique en fonction de l'énergie du photon est illustré ci-dessous.
Dans ce spectre électromagnétique, nous ne pouvons voir que le spectre visible. Le spectre visible comprend principalement sept couleurs différentes qui sont communément appelées (VIBGOYR). VIBGOYR signifie violet, indigo, bleu, vert, orange, jaune et rouge.
Mais cela n'annule pas l'existence d'autres éléments du spectre. Notre œil humain ne peut voir que la partie visible, dans laquelle nous avons vu tous les objets. Mais une caméra peut voir les autres choses qu'un œil nu est incapable de voir. Par exemple: rayons X, rayons gamma, etc. Par conséquent, l'analyse de tout cela se fait aussi dans le traitement d'image numérique.
Cette discussion conduit à une autre question qui est
pourquoi devons-nous analyser tous ces autres éléments du spectre EM aussi?
La réponse à cette question réside dans le fait, car ces autres produits tels que XRay ont été largement utilisés dans le domaine médical. L'analyse des rayons gamma est nécessaire car elle est largement utilisée en médecine nucléaire et en observation astronomique. Il en va de même pour le reste des éléments du spectre EM.
Applications du traitement d'image numérique
Certains des principaux domaines dans lesquels le traitement d'image numérique est largement utilisé sont mentionnés ci-dessous
Renforcement et restauration d'image
Domaine médical
Télédétection
Transmission et encodage
Vision machine / robot
Traitement des couleurs
La reconnaissance de formes
Traitement vidéo
Imagerie microscopique
Others
Renforcement et restauration d'image
La netteté et la restauration d'image se réfèrent ici au traitement des images qui ont été capturées à partir de l'appareil photo moderne pour en faire une meilleure image ou pour manipuler ces images de manière à obtenir le résultat souhaité. Il fait référence à ce que fait habituellement Photoshop.
Cela inclut le zoom, le flou, la netteté, la conversion de l'échelle de gris en couleur, la détection des contours et vice versa, la récupération d'image et la reconnaissance d'image. Les exemples courants sont:
L'image originale
L'image agrandie
Image floue
Image nette
Bords
Domaine médical
Les applications courantes du DIP dans le domaine médical sont
Imagerie par rayons gamma
PET scan
Imagerie aux rayons X
CT médical
Imagerie UV
Imagerie UV
Dans le domaine de la télédétection, la zone de la Terre est balayée par un satellite ou depuis un terrain très élevé, puis elle est analysée pour obtenir des informations à son sujet. Une application particulière du traitement d'image numérique dans le domaine de la télédétection est la détection des dommages aux infrastructures causés par un tremblement de terre.
Comme il faut plus de temps pour saisir les dommages, même si des dommages graves sont ciblés. La zone affectée par le tremblement de terre étant parfois si large, qu'il n'est pas possible de l'examiner à l'œil nu pour estimer les dommages. Même si c'est le cas, c'est une procédure très mouvementée et longue. Une solution à cela se trouve donc dans le traitement d'images numériques. Une image de la zone affectée est capturée depuis le dessus du sol, puis elle est analysée pour détecter les différents types de dommages causés par le tremblement de terre.
Les étapes clés incluses dans l'analyse sont
L'extraction des bords
Analyse et mise en valeur de différents types d'arêtes
Transmission et encodage
La toute première image qui a été transmise sur le fil était de Londres à New York via un câble sous-marin. L'image qui a été envoyée est affichée ci-dessous.
La photo qui a été envoyée a mis trois heures pour atteindre d'un endroit à un autre.
Maintenant, imaginez, qu'aujourd'hui, nous sommes en mesure de voir des flux vidéo en direct ou des images de vidéosurveillance en direct d'un continent à un autre avec un délai de quelques secondes. Cela signifie que beaucoup de travail a également été fait dans ce domaine. Ce champ ne se concentre pas uniquement sur la transmission, mais aussi sur le codage. De nombreux formats différents ont été développés pour une bande passante élevée ou faible pour encoder des photos, puis les diffuser sur Internet ou etc.
Vision machine / robot
Outre les nombreux défis auxquels un robot est confronté aujourd'hui, l'un des plus grands défis est toujours d'augmenter la vision du robot. Rendre le robot capable de voir les choses, de les identifier, d'identifier les obstacles, etc. Beaucoup de travail a été apporté par ce domaine et un autre champ complet de vision par ordinateur a été introduit pour travailler dessus.
Détection des haies
La détection d'obstacles est l'une des tâches courantes qui a été effectuée à travers le traitement d'image, en identifiant différents types d'objets dans l'image, puis en calculant la distance entre le robot et les obstacles.
Robot suiveur de ligne
La plupart des robots fonctionnent aujourd'hui en suivant la ligne et sont donc appelés robots suiveurs de ligne. Cela aide un robot à se déplacer sur son chemin et à effectuer certaines tâches. Ceci a également été réalisé grâce au traitement d'image.
Traitement des couleurs
Le traitement des couleurs comprend le traitement des images colorées et des différents espaces colorimétriques utilisés. Par exemple, le modèle de couleur RVB, YCbCr, HSV. Il s'agit également d'étudier la transmission, le stockage et le codage de ces images couleur.
La reconnaissance de formes
La reconnaissance de formes implique une étude à partir du traitement d'images et de divers autres domaines qui incluent l'apprentissage automatique (une branche de l'intelligence artificielle). Dans la reconnaissance de formes, le traitement d'image est utilisé pour identifier les objets dans une image, puis l'apprentissage automatique est utilisé pour entraîner le système au changement de modèle. La reconnaissance de formes est utilisée dans le diagnostic assisté par ordinateur, la reconnaissance de l'écriture manuscrite, la reconnaissance d'images, etc.
Traitement vidéo
Une vidéo n'est rien d'autre que le mouvement très rapide des images. La qualité de la vidéo dépend du nombre d'images / d'images par minute et de la qualité de chaque image utilisée. Le traitement vidéo implique la réduction du bruit, l'amélioration des détails, la détection de mouvement, la conversion de la fréquence d'images, la conversion du rapport hauteur / largeur, la conversion de l'espace colorimétrique, etc.