پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته میشود که شاخهای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد. پردازش تصاویر دارای دو شاخه عمدهٔ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندهٔ روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه )است، در حالی که بینایی ماشین به روشهایی میپردازد که به کمک آنها میتوان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود. در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنهای از یک فیلم. خروجی پردازشگر تصویر میتواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیکهای پردازش تصویر شامل برخورد با تصویر ...
مقدمه ای بر پردازش تصویر در هر سیستمی و با هر عملکردی برای تصمیم گیری به داده های ورودی احتیاج داریم. این ورودی ها میتوانند از یک سنسور صوتی, سنسور فاصله سنج , سنسور مادون قرمز , میکروفن و با تصاویر ارسالی از یه دوربین باشد. امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت و در نهایت تصمیم گیری صحیح می باشد. در مور د انسان نیز به همین صورت است, اطلاعات از طریق چشم به مغز ارسال می شوند و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند. هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان در قبال داده ها و انجام پردازش های خاصی برای استخراج ویژگی مورد نیاز برای رسیدن به هدف از پیش تعیین شده می باشد. کوچکترین جزء PIXEL است . پیکسل مخفف Picture Element به معنی المان تصویر است. یک تصویر متشکل از تعداد زیادی پیکسل است که در ک نا ر هم قرار گرفته اند . در واقع زمانی که با یک دوربین دیجیتال عکس می گیرید اگر رزولوشن دوربین شما 640 480x باشد به این معنی است که ماتریس با ابعاد 640 480x ...
عنوان مقاله پیادهسازی شده: A Morphological Mean Filter for Impulse Noise Removal در این مقاله، روشی ارائه شده است که از طریق آن قادر خواهد بود که تصویر نویزی با چگالی 90% را تا حد خیلی زیادی حذف کند. توضیحات در مورد نحوه حذف نویز: ابتدا تصویر نویزی بررسی میشود و نقاط نویزی و غیرنویزی توسط میانه پیدا میشود، سپس بر روی پیکسلهایی که نویزی نیستند، عملیات مورفولوژی میانگین انجام میگردد. برای پیادهسازی این مقاله، دو مقاله زیر نیز پیادهسازی شده است. A Switching Median Filter With Boundary Discriminative Noise Detection for Extremely Corrupted Images A Highly Effective Impulse Noise Detection Algorithm for Switching Median Filters نمونه تصاویر خروجی همراه با psnr: ...
عنوان مقاله: A Switching Median Filter With Boundary Discriminative Noise Detection for Extremely Corrupted Images آدرس مقاله: https://ieeexplore.ieee.org/document/1632204 در این مقاله پیکسلهای آلوده شده به نویز فلفل-نمکی شناسایی میشود تا از این طریق بتوان تصویر را بازیابی کرد و نویز آن را تا حدود زیادی حذف کرد. این الگوریتم میتواند پیکسلهای یک تصویر را که 90 درصد آن به نویز فلفل-نمکی آلوده شده است را در دو دسته پیکسلهای عاری از نویز و پیکسلهای آلوده شده به نویز طبقه بندی کند. پیدا کردن این پیکسلها اولین مرحله از بازیابی تصویر است. این الگوریتم در Matlab پیادهسازی شده است و گزارش کاملی از نحوه پیادهسازی این الگوریتم توضیح داده شده است. خروجی این الگوریتم یک ماتریس هماندازه با تصویر آلوده شده به نویز است که دو مقدار 0 و 1 دارد. مقدار صفر بیانگر نویزی نبودن پیکسل، و مقدار 1 بیانگر آلوده بودن پیکسل به نویز است. تصویر زیر خروجی این الگوریتم است. به عنوان نمونه میتوان در حذف نویزها توسط عملیات مو ...
عنوان مقاله پیادهسازی شده: A Morphological Mean Filter for Impulse Noise Removal در این مقاله، روشی ارائه شده است که از طریق آن قادر خواهد بود که تصویر نویزی با چگالی 90% را تا حد خیلی زیادی حذف کند. توضیحات در مورد نحوه حذف نویز: ابتدا تصویر نویزی بررسی میشود و نقاط نویزی و غیرنویزی توسط میانه پیدا میشود، سپس بر روی پیکسلهایی که نویزی نیستند، عملیات مورفولوژی میانگین انجام میگردد. برای پیادهسازی این مقاله، دو مقاله زیر نیز پیادهسازی شده است. A Switching Median Filter With Boundary Discriminative Noise Detection for Extremely Corrupted Images A Highly Effective Impulse Noise Detection Algorithm for Switching Median Filters نمونه تصاویر خروجی همراه با psnr: ...
عنوان مقاله: A Switching Median Filter With Boundary Discriminative Noise Detection for Extremely Corrupted Images آدرس مقاله: https://ieeexplore.ieee.org/document/1632204 در این مقاله پیکسلهای آلوده شده به نویز فلفل-نمکی شناسایی میشود تا از این طریق بتوان تصویر را بازیابی کرد و نویز آن را تا حدود زیادی حذف کرد. این الگوریتم میتواند پیکسلهای یک تصویر را که 90 درصد آن به نویز فلفل-نمکی آلوده شده است را در دو دسته پیکسلهای عاری از نویز و پیکسلهای آلوده شده به نویز طبقه بندی کند. پیدا کردن این پیکسلها اولین مرحله از بازیابی تصویر است. این الگوریتم در Matlab پیادهسازی شده است و گزارش کاملی از نحوه پیادهسازی این الگوریتم توضیح داده شده است. خروجی این الگوریتم یک ماتریس هماندازه با تصویر آلوده شده به نویز است که دو مقدار 0 و 1 دارد. مقدار صفر بیانگر نویزی نبودن پیکسل، و مقدار 1 بیانگر آلوده بودن پیکسل به نویز است. تصویر زیر خروجی این الگوریتم است. به عنوان نمونه میتوان در حذف نویزها توسط عملیات مو ...
فیلتر کردن تصاویر یکی از پیش پردازشهای مهم در پردازش تصویر است. شما در این برنامه میتوانید با انتخاب هر کدام از فیلترها و تعیین فرکانسهای قطع آن ، تصویر ورودی را فیلتر نمایید. همچنین با وارد کردن آدرس دخیره سازی میتوانید خروجی را ذخیره نمایید. نمونهای از این فیلترینگ در ادامه قرار گرفته است. در صورت سوال و یا مشکل میتوانید به شمارهی موجود در سایت پیام دهید. محیط برنامه ورودی خروجی فیلتر بالاگذر ...
فیلتر کردن تصاویر یکی از پیش پردازشهای مهم در پردازش تصویر است. شما در این برنامه میتوانید با انتخاب هر کدام از فیلترها و تعیین فرکانسهای قطع آن ، تصویر ورودی را فیلتر نمایید. همچنین با وارد کردن آدرس دخیره سازی میتوانید خروجی را ذخیره نمایید. نمونهای از این فیلترینگ در ادامه قرار گرفته است. در صورت سوال و یا مشکل میتوانید به شمارهی موجود در سایت پیام دهید. محیط برنامه ورودی خروجی فیلتر بالاگذر ...