Uygulamalar ve Kullanım
Dijital görüntü işleme çok geniş uygulamalara sahip olduğundan ve neredeyse tüm teknik alanlar DIP'den etkilendiğinden, DIP'nin bazı önemli uygulamalarını tartışacağız.
Dijital Görüntü işleme sadece kamera tarafından yakalanan günlük görüntülerin uzamsal çözünürlüğünü ayarlamakla sınırlı değildir. Sadece fotoğrafın parlaklığını artırmak gibi bir şey sınırlı değil, bundan çok daha fazlası.
Elektromanyetik dalgalar, her bir parçacığın ışık hızıyla hareket ettiği parçacık akışı olarak düşünülebilir. Her parçacık bir enerji demeti içerir. Bu enerji demetine foton denir.
Fotonun enerjisine göre elektromanyetik spektrum aşağıda gösterilmiştir.
Bu elektromanyetik spektrumda, yalnızca görünür spektrumu görebiliyoruz. Görünür spektrum, genellikle (VIBGOYR) olarak adlandırılan yedi farklı rengi içerir. VIBGOYR menekşe, çivit mavisi, mavi, yeşil, turuncu, sarı ve Kırmızı anlamına gelir.
Ancak bu, spektrumdaki diğer şeylerin varlığını geçersiz kılmaz. İnsan gözümüz, yalnızca tüm nesneleri gördüğümüz görünen kısmı görebilir. Ancak bir kamera, çıplak bir gözün göremediği diğer şeyleri de görebilir. Örneğin: x ışınları, gama ışınları vb. Dolayısıyla tüm bunların analizi de dijital görüntü işlemede yapılır.
Bu tartışma başka bir soruya yol açar.
EM spektrumundaki diğer tüm şeyleri neden analiz etmemiz gerekiyor?
Bu sorunun cevabı gerçekte yatmaktadır, çünkü XRay gibi diğer şeyler tıp alanında yaygın olarak kullanılmaktadır. Gama ışınının analizi gereklidir çünkü nükleer tıpta ve astronomik gözlemlerde yaygın olarak kullanılmaktadır. Aynı şey EM spektrumundaki diğer şeyler için de geçerli.
Dijital Görüntü İşleme Uygulamaları
Dijital görüntü işlemenin yaygın olarak kullanıldığı başlıca alanlardan bazıları aşağıda belirtilmiştir.
Görüntü keskinleştirme ve restorasyon
Tıp alanında
Uzaktan Algılama
İletim ve kodlama
Makine / Robot görüşü
Renk işleme
Desen tanıma
Video işleme
Mikroskobik Görüntüleme
Others
Görüntü keskinleştirme ve restorasyon
Görüntü keskinleştirme ve restorasyon burada, modern kameradan yakalanan görüntüleri daha iyi bir görüntü haline getirmek veya istenen sonucu elde etmek için bu görüntüleri işlemek için işlemek anlamına gelir. Photoshop'un genellikle yaptığı şeyi yapmak anlamına gelir.
Bu, Yakınlaştırma, bulanıklaştırma, keskinleştirme, gri tonlamadan renge dönüştürme, kenarları algılama ve tersi, Görüntü alma ve Görüntü tanımayı içerir. Yaygın örnekler şunlardır:
Orijinal görüntü
Yakınlaştırılmış görüntü
Bulanık görüntü
Keskin görüntü
Kenarlar
Tıp alanında
DIP'nin tıp alanındaki yaygın uygulamaları
Gama ışını görüntüleme
PET taraması
X Ray Görüntüleme
Tıbbi CT
UV görüntüleme
UV görüntüleme
Uzaktan algılama alanında, yeryüzünün alanı bir uydu tarafından veya çok yüksek bir yerden taranır ve daha sonra analiz edilerek bu konuda bilgi edinilir. Uzaktan algılama alanındaki dijital görüntü işlemenin özel bir uygulaması, depremin neden olduğu altyapı hasarlarını tespit etmektir.
Ciddi hasarlara odaklanılsa bile hasarı kavramak daha uzun zaman aldığından. Depremin etkilediği alan bazen o kadar geniş olduğundan, zararları tahmin etmek için insan gözüyle incelemek mümkün olmamaktadır. Öyle olsa bile, çok telaşlı ve zaman alıcı bir prosedürdür. Bu nedenle dijital görüntü işlemede buna bir çözüm bulunur. Etkilenen alanın bir görüntüsü yukarıdan çekilir ve ardından depremin verdiği çeşitli hasar türlerini tespit etmek için analiz edilir.
Analize dahil edilen temel adımlar şunlardır:
Kenarların çıkarılması
Çeşitli kenar türlerinin analizi ve iyileştirilmesi
İletim ve kodlama
Tel üzerinden aktarılan ilk görüntü, bir denizaltı kablosuyla Londra'dan New York'a geldi. Gönderilen resim aşağıda gösterilmiştir.
Gönderilen resmin bir yerden bir yere ulaşması üç saat sürdü.
Şimdi sadece birkaç saniye gecikmeyle bir kıtadan diğerine canlı video beslemesini veya canlı cctv çekimlerini görebildiğimizi hayal edin. Bu, bu alanda da pek çok çalışma yapıldığı anlamına geliyor. Bu alan yalnızca iletime değil, aynı zamanda kodlamaya da odaklanır. Fotoğrafları kodlamak ve ardından internet veya vb. Üzerinden yayınlamak için yüksek veya düşük bant genişliği için birçok farklı format geliştirilmiştir.
Makine / Robot görüşü
Bugün bir robotun karşılaştığı birçok zorluğun yanı sıra, en büyük zorluklardan biri de robotun vizyonunu artırmaktır. Robotun nesneleri görebilmesini, tanımlayabilmesini, engelleri belirleyebilmesini sağlayın, vb. Bu alandan çok sayıda çalışma sağlandı ve bunun üzerinde çalışmak için tam bir bilgisayar görüşü alanı oluşturuldu.
Engel algılama
Engel algılama, görüntüdeki farklı türdeki nesneleri tanımlayarak ve ardından robot ile engeller arasındaki mesafeyi hesaplayarak, görüntü işleme yoluyla gerçekleştirilen yaygın görevlerden biridir.
Çizgi izleyen robot
Günümüzde robotların çoğu hattı takip ederek çalışmaktadır ve bu nedenle çizgi izleyen robotlar olarak adlandırılmaktadır. Bu, bir robotun yolunda hareket etmesine ve bazı görevleri yerine getirmesine yardımcı olur. Bu, görüntü işleme yoluyla da elde edildi.
Renk işleme
Renk işleme, renkli görüntülerin ve kullanılan farklı renk uzaylarının işlenmesini içerir. Örneğin RGB renk modeli, YCbCr, HSV. Ayrıca, bu renkli görüntülerin aktarımını, depolanmasını ve kodlanmasını incelemeyi de içerir.
Desen tanıma
Örüntü tanıma, görüntü işlemeden ve makine öğrenimini (bir yapay zeka dalı) içeren diğer çeşitli alanlardan çalışmayı içerir. Örüntü tanımada, görüntü işleme, bir görüntüdeki nesneleri tanımlamak için kullanılır ve ardından sistemi modeldeki değişiklik için eğitmek için makine öğrenimi kullanılır. Örüntü tanıma, bilgisayar destekli teşhis, el yazısının tanınması, görüntülerin tanınması vb.
Video işleme
Video, resimlerin çok hızlı hareketinden başka bir şey değildir. Videonun kalitesi, dakikadaki kare / resim sayısına ve kullanılan her karenin kalitesine bağlıdır. Video işleme; gürültü azaltma, ayrıntı geliştirme, hareket algılama, kare hızı dönüştürme, en boy oranı dönüştürme, renk alanı dönüştürme vb. İçerir.