به نام تنها یاری دهنده عالم
پردازش تصویر به روش هیستوگرام
مباحث:
پردازش تصویر
کاربردهای پردازش تصویر
عملیات مختلف بر روی تصاویر
انواع پیکسل ها و فیلترها
کاربردهای هیستوگرام در پردازش تصویر
تشخیص پلاک خودرو
پردازش تصویر:
مجموعه عملیات و روش هایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود.
دلایل استفاده از پردازش تصویر:
برجسته کردن جزئیات جالب یک تصویر
حذف نویز و محوشدگی مرزهای نمونه های داخل تصویر
بهبود وضوح تصویر دریافتی
محدوده مورد توجه در پردازش تصویر:
* بهبود کیفیت ظاهری (Enhancement)
* بازسازی تصاویر مختل شده(Restoration)
* فشرده گی و رمزگذاری تصویر(Compression and coding)
* درک تصویر توسط ماشین (Understanding)
پردازش تصاویر دارای دو شاخه عمده بهبود تصاویر و بینایی ماشین است.
بهبود تصاویر شامل روش هایی مثل استفاده از فـیـــلـــتـــر محو کننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن ها در محیط مقصد است.
بینایی ماشین به روش هایی می پردازد که به کمک آن ها می توان معنی و محتوای تصاویر را درک کرد تا از آن ها در کارهایی چون رباتیک استفاده شود.
زمینههای مختلف کاربرد پردازش تصویرعبارتند از:
صنعت
نجوم و فضا نوردی
سینما
باستان شناسی
علوم نظامی و امنیتی
پزشکی
کشاورزی
:صنعت
یکی از دلایل استفاده از پردازش تصویرقابلیت دیدن و اندازه گیری محصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است.
پردازش تصویر در تشخیص دمای کوره هایی که هیچ وسیلهی مکانیکی و الکترونیکی تحمل دمای آنها را ندارد، کاربرد دارد.
نجوم و فضا نوردی:
در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده و اطلاعات بسیار ریزی از آنها استخراج کنیم.
در تصاویر نزدیک از جمله هدایت مریخ نوردها، فرود فضاپیماهای بدون سرنشین و الصادق تجهیزات جدید به ایستگاه های فضایی به صورت خودکار از پردازش تصویر استفاده می شود.
سینما:
یکی از تکنولوژی های برتر دنیاmotion capture است که در آن یک کاراکتر انیمیشنی قادر است حرکات دست انسان را تقلید کند. امروزه این سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
باستان شناسی:
تهیه تصاویر از بناهای گذشته و بازسازی مجازی این بناهای تاریخی یکی از کاربردهای پردازش تصویر در این علم است.
می توان نقاشی ها و غارنگاری ها را مورد پردازش دقیق قرار داد و شکل آنها را همان طور که در ابتدا بوده اند، شبیه سازی کرد.
علوم نظامی و امنیتی:
موشک هدایت شونده خودکار با قابلیت قفل کردن بر روی هدف
سیستم تشخیص اثر انگشت اتوماتیک
دوربین های مدار بسته
عملیات مختلف بر روی تصاویر:
جمع دو تصویر
تفریق دو تصویر
مکمل کردن تصویر
میانگین گیری از تصویر
هیستوگرام تصویر
تعدیل هیستوگرام
جمع دو تصویر:
جمع دو تصویر بدین مفهوم است که در دو تصویر هم اندازه، شدت روشنایی پیکسل های متناظر دو تصویر را با هم جمع کنیم.
تفریق دو تصویر:
تفریق دو تصویر هم اندازه بدین مفهوم است که شدت روشنایی پیکسل های متناظر دو تصویر را از هم کم کنیم.
مکمل کردن تصویر:
در یک تصویر سیاه و سفید که فقط دو سطح شدت روشنایی صفر و یک دارد، منظور از مکمل کردن تصویر، یک کردن پیکسل های با مقدار صفر و صفر کردن پیکسل های با مقدار یک است.
میانگین گیری از تصویر:
میانگین گیری بر روی چند تصویر یکسان که دارای نویز های متفاوتی هستند اعمال می شود بدین صورت که مقادیر پیکسل های متناظر در همه تصاویر را باهم جمع کرده و سپس به تعداد کل تصاویر تقسیم کنیم.
بدیهی است که هر قدر تعداد تصاویر برای میانگین گیری بیشتر باشد، تصویر حاصل از میانگین گیری آنها نیز بیشتر به واقعیت نزدیک خواهد بود.
هیستوگرام تصویر:
هیستوگرام تصویر نموداری است که توسط آن تعداد پیکسل های هر سطح روشنایی در تصویر ورودی مشخص می شود.
هیستوگرام تصویر درحقیقت بیان گرافیکی میزان روشنایی تصویر می باشد. مقادیر روشنایی در طول محور X بیان شده و میزان فراوانی هر مقدار در محور Y بیان می گردد.
یک تصویر همراه با نمودار هیستوگرام آن:
تعدیل هیستوگرام:
یکی از کاربرد های هیستوگرام در افزایش کنتراست تصاویر است .
تعدیل سازی هیستوگرام موجب می شود که کنتراست تصویر ورودی تا حد ممکن افزایش یابد.
تصویر پس از تعدیل هیستوگرام به همراه نمودار هیستوگرام آن:
انواع پیکسل ها:
پیکسل های تصویر را به دو دسته می توان تقسیم کرد:
پیکسل های تیز
پیکسل های آرام
پیکسل های تیز:
پیکسل هایی از تصویر را که اختلاف شدت روشنایی آنها با پیکسل های همسایه خود زیاد باشند، پیکسل های تیز می نامیم.
پیکسل های تیز معمولا یا نشان دهنده لبه های اشیای موجود در تصویر هستند یا نشان دهنده نویزهای یک تصویر هستند و در حالت کلی می توان گفت که جزئیات تصویر با استفاده از پیکسل های تیز استخراج می شوند.
پیکسل های آرام:
پیکسل هایی از تصویر که اختلاف شدت روشنایی آنها با پیکسل های همجوار خود کم است، را پیکسل های آرام تصویر می نامیم.
فیلترها:
در حوزه مکانی فیلترها به دو دسته تقسیم میشوند:
فیلترهای آرام کننده
فیلترهای تیز کننده
فیلترهای آرام کننده:
فیلترهای آرام کننده با اعمال تغییر در شدت روشنایی پیکسل های تیز تصویر موجب تولید تصاویر آرام تری می شود. همچنین این فیلترها تاثیر چندانی بر روی پیکسل های آرام تصویر نمی گذارند. آرام شدن تصویر بدین معنی است که بخشی از جزئیات تصویر از بین می رود.
یک مثال کاربردی ساده از فیلترهای آرام کننده را می توان حذف چین و چروکها از تصویر صورت بیان کرد.
فیلترهای تیز کننده:
فیلترهای تیز کننده با اعمال تغییر بر روی پیکسلهای آرام تصویر موجب استخراج جزئیات بیشتری از تصویر میشوند.
نمونهای از فیلتر تیز کننده:
تصویر ورودی
تصویر تیز شده
کاربردهای هیستوگرام در پردازش تصویر:
بهبود کیفیت تصاویر رادیو گرافی جوش
افزایش دقت تناظر یابی عکس
فوکوس خودکـار دوربینهای دیجیتالی
تشخیص چهره
تشخیص پلاک خودرو
تشخیص پلاک خودرو:
چون از روش لبه یابی برای استخراج پلاک استفاده شده است
و اطلاعات رنگ در این روش نقشی ندارد، لذا سیستم قادر به تشخیص پلاکها با رنگهای مختلف میباشد .
در ابتدا عکسهای رنگی ورودی به سطح خاکستری تبدیل میشوند، تا پردازش روی آنها سریعتر انجام شود.
فیلتر گوسین:
پس از تبدیل تصویر به سطح خاکستری به آن فیلتر گوسین اعمال میشود، تا نویزهای احتمالی موجود در تصویر از بین برود.
تحلیل هیستوگرام:
قبل از پیدا کردن لبههای تصویر، از تحلیل هیستوگرام کمک گرفته و نمودار هیستوگرام رسم میشود.
اعمال فرآیند لبه یابی:
در این شبیه سازی برای لبه یابی از فیلتر canny استفاده کرده ایم.
پیدا کردن محل کاندید پلاک:
بعد از پیدا کردن سطرهایی که 55% بالای هیستوگرام را تشکیل میدهند. بیش از یک محل کاندید برای پلاک به دست میآید. در شبیه سازی انجام شده عرض محل پلاک بین 17 تا 35 پیکسل است، بنابراین نواحی که در خارج از این محدوده قرار دارند حذف میشوند.
آخرین محل، به عنوان محل واقعی کاندید پلاک در نظر گرفته میشود.
حذف نواحی خارج از محدوده:
پر کردن حفرههای احتمالی:
از آنجا که ناحیه پلاک یک ناحیه به هم پیوسته است، حفرههای احتمالی موجود پر میشوند چون دراین محل چند ناحیه به هم پیوسته وجود دارد، طول هر یک از این نواحی را به دست آورده و آن ناحیهای که بزرگترین طول را دارد، به عنوان محل دقیق پلاک در نظر گرفته و بقیه نواحی حذف میشوند.
استخراج پلاک:
پس از یافتن محل دقیق پلاک می توان تصویر پلاک را از تصویر اصلی استخراج کرد.
جداسازی کاراکترها:
در پلاک به دلیل اینکه بین اعداد و حروف فاصله وجود دارد، لذا از این خاصیت برای جداسازی کاراکترها استفاده می شود. تصویر به دست آمده به باینری تبدیل می شود.
نمونه های ناموفق:
نتیجه گیری:
در این روش به دلیل این که روشنایی تصویر توسط تعدیل هیستوگرام یکنواخت می گردد و لبه یابی انجام می شود لذا سیستم قادر به تشخیص پلاکها با رنگهای مختلف میباشد و نیز اینکه این روش دارای زمان پردازش کمتری در مقایسه با دیگر الگوریتم ها می باشد.
با تشکر