پردازش تصاوير ديجيتال 1

صفحه 1:
‎Es)‏ تیلب سر معا ‏شناخت نحوه 0( ‎ovlin‏ 0 2 اساسي در درك و.بكاركيري مفاهيم. بردازش تصاوتر ديجيتالي دازد. © اجزاء ادراك بينايي * ساختمان جشم انسان * تشکیل تصویر در چشم 7 * تطبیق و تشخیصر ‎cepa‏ ‏نیمسال دوم 6- 

صفحه 2:
ساختمان ۳۳ ۳ فان 

صفحه 3:
فصل دوم: مباني تصاوبر ديجيتال تيمسال نوم 6 ۳9 

صفحه 4:
clbess soles en) Ee ‏بح‎ ‎a pepe es] epi Prer envi‏ و مخروطي است: ‏و ‎Bee‏ اون ی ‎ee‏ ‏ونقش ایجاد دید كلي با حساسیت الا را دارد. نک ‎(GScotopic‏ ‎Pepe as‏ هاي مخروطي در مرکز دید یا مصم؟) متمرکز ‎aa 150000) .cuwl‏ ‏۷ است اما 5025 ۳ دارند. ‎ce‏ ‏ای و تصویر هستند: ‎(Desopic Oisivn)‏ ‎۳ 

صفحه 5:
135,000 1 3 Ew 3 3 2 000 020 Ey Degrees tom visual xis (center of fovea) تیمسال دوم > 

صفحه 6:
تیمسال دوم > 

صفحه 7:


صفحه 8:
i 1 1 2 threshold 2 4 ‘Log of intensity (mL) محدوده ‎Lv‏ ۳( درخشندگي در چشم ۳ 

صفحه 9:
فصل دوم: مباني تصاوبر ديجيتال توانايي چشم در تشخیص تغییرات روشنايي 

صفحه 10:


صفحه 11:
فحل دوم: مباني تصاوبر ديجيتال 9 سطوح روشنايي قابل درك اگر 1 ثابت باشد و ۸۷ بطور. پیوسته از. سطح هرگز قابل درك تا همیشه قابل درك تغییر کند» چشم.مي تواند 000 الي 00© سطح روشنايي متفاوت:را درك كند. اما جون محدوده تطبیق 1 در يك.تصوير تغيير مي كند,جشم مي تواند تعداد زيادي سطح روشنايي را تشخيض دهد. \ coma ad ۳ 

صفحه 12:
و مساك 5 ‏الي اك‎ POR] ‏ا‎ 2 0 2 ‏ار‎ is yl35 ‏تاثيز‎ 20 signs ‏ل أن‎ aia} ‏بينايي‎ ‏را‎ MN eat نیمسال دوم 4+ 

صفحه 13:
ed 7 وم: مباني تصا راد تس یده کنتراست همز شنا بل مينه درك ‎lug y L‏ ايي زمیذ ‎ae‏ ‏رب ‏۳ ‏دارد. نيمسال دو وم 4 

صفحه 14:
بریب نوري بينايي از نیمسال دوم <4- فصل ۳ حا و رک سار 

صفحه 15:
ا 1 بر و طیف الکترومغناطيسي ۳0 ۱ 1 216 لاقام ‎tout note that th‏ نیمسال دوم - 

صفحه 16:
فصل دوم: مباني تصاوبر 79| * تمام امواج الكتروغناظيسي ميتواند با شرايط زير به عنوان زا ۳ بکار رود. ۱ * جسم آن طیف انرژي را به كلي جذب نکند. * طول موج آن طیف از ابعاد جسم کوچکتر باشد. 

صفحه 17:
فصل دوم: مباني تصاوير ديجيتال 02 00-6 و دريافت كنتده هاي تصوير * دریافت مستقیم تصویر دیجیتال (دوربین ‎ee RCD) POOR ILE VEEN | KCeHR TTD FTE Op)‏ 0 ‎(sl abl,‏ ‎Fe Phere) dowwgi cou aizby pool db, ®‏ > به صورت دیجیتال ‎ca‏ ۳ * تبديل سيكنالهاي تصوير و ويدئو انالوك به ديجيتال ‎ec cc‏ ل 0 تیسل دوم ۳ 8 

صفحه 18:
اریز دیجیتال ا 1 5 نطي و دوبعدي eee oe 

صفحه 19:
فصل دوم: مباني تصاويز ديجيتال 00 ‏ا‎ mec ‏سس کننده هاي نقطه اي‎ نيمسال دوم “© ‘ombining FIGURE 2.13 

صفحه 20:
ند ‎es)‏ ری رن سره قت تصوير دو بعد ‎at‏ 5 ي بوسيله نیمسال دوم - 

صفحه 21:
ند زر را ار ره 5 eat ‏فت تصوير دو بعدي بوسيله‎ : 0 ‏ا ا‎ نيمسال دوم “© 

صفحه 22:
فصل دوم: مباني تصاوبر 79| ۶)» [( ‏اف ( )71 )ازع‎ I(x, ۱ ‏لح بر‎ 0> 1)3: 3 > ‏م‎ ron ewer ‏اه‎ =90000. sunlight eA) CUO one va =0.01 black cena 01 Pata 0.65 stainless steel 4999 Bao 0.8 flat-white wall office Og 5 metal كاك لل ”| نيمسال دوم “© 

صفحه 23:
‎ES ee)‏ رت ‏000 ‏صورت شطح خاكستزي 7 | 00 ار ميشود. و به محدوده [1,0-]] تصویرميشود. سیاه 0۳ ان ۳۳ وان ‎Other:‏ ‏نیمسال دوم 6- 

صفحه 24:
۳ ند زر را ار ره ۳ ند رگ = ‎mCy) ae ۰‏ 9 * چگونه؟ 

صفحه 25:
فصل دوم: مباني تصاوبر د 5 ‏ا‎ ‎(CCO) ab FIGURE 2.17 (a) ¢ ed onto a sensor array. (b) Result af image| sampling and quantizat نیمسال دوم 4- 

صفحه 26:
‘One pixel —~ 4 

صفحه 27:
ا 1 ۱ IVA A eae Pes M,N:for reasonable resolution i for reasonable 5 avels 

صفحه 28:
ا ا ا ا ل دقت نمونه برداري نیمسال دوم <-0- 

صفحه 29:
فصل دوم: مباني تصاوبر ديجيتال 5 ۳ 0 نمونه برداري در افزايشن تعداد پیکسلها 

صفحه 30:
‎e ee)‏ ار ‏* تاثير تعداد سطوح ‎ ‏تيمسال نوم 6 

صفحه 31:
plete ‏بر دياب‎ 0 ‏سباي‎ ‏ا‎ 00 Br 5 نیمسال دوم 

صفحه 32:
‎ES ee)‏ رت ‏© ارتباط تعداد سطوح.خاكستري.و دقت مكاني تمونه برداري 2 ۱ ‎ ‎\ coma ad -4 ‏نیمسال دوم‎ 

صفحه 33:
فصل دوم: مباني تصاوبر 79| *# منحني هاي 1500761676706 براي ‎aw‏ تیمسال دوم > 

صفحه 34:
‎ES ee)‏ رت ‎(aliasing) wwilS 8 eumSw 9 syloy aigoi © 211851126[ ‏سيكتال طول محدوّة و‎ © ‏اكد ‎0 Any | eer) ‎ ‎ ‏نیسال دوم ۶- ‎i‏ 

صفحه 35:
فصل دوم: مباني تصاوبر 79| ‎Moire pattern *‏ MNT HAN MUL ١| MK HT 0 ‏از‎ [//|١١/اا|||‎ از ‎A HHH‏ الا FIGURE 2.24 Iilosiatinn of the Moré pattern etfect 

صفحه 36:
فصل دوم: مباني تصاوبز ديجيتال 000 Keyes oy a TM ۳ WANA A Ha WWW) HN i AT i vy HWA ‏ان از از از ان پا‎ WH ۳ ‏از‎ HH ‏أ‎ Mh ۱ WN Hi HW) HA Mh ۱ ‏از‎ MH ‏از الا انا‎ ‏بالات‎ ١ ۱۱/۲ ١ ۱ ۱ | ii Hi) 1 ‏ال‎ i ‏زا‎ || Hil ||| HTN) ||| | VM HK WM Mi AAT il ||| أ || | الا از ‎Hil VA WAN Hi ۳‏ ان ‎i Hi‏ از ال ی 

صفحه 37:


صفحه 38:
‎ES ee)‏ رت 

صفحه 39:
‎ES ee)‏ رت ‏5 ‏* بزرگنمايي تصویز * درون يابي نزديكتري: ‎ ‏انيمسال دوم <©- لد بون و 

صفحه 40:
فصل دوم: مباني تصاوبر ديجيتال 

صفحه 41:
نیمسال دوم 6- فصل ا دیبیتال ا ل 

صفحه 42:
17 pyles Gils tpys Led Jlail * ‏هنگامي دو پیکسل به هم متضل هستند که هقسایه بانقند و سطوح‎ ‏ره‎ mye ey Fe cyte orn ‏اتصال اساس تشکیل موو و ناجیه‎ ‏اك‎ ‎0 ‏صذ وذ و غذ اهومهز4-4 عذ م‎ the set of N,(P) ERE ea ge UGE ac aU A BCEE Ul eta- scl 0 ae) Per ea ae UCR A RUE so 1/7 ‏عذ برعصوعة ز0ه-مد كذ‎ Pacer Ch om Aeo aed FIGURE 2.26 6) Areangemcat of vec pe ha ee a تیمسال دوم > 

صفحه 43:
نیمسال دوم 6- فصل ا دیبیتال ا ل 

صفحه 44:
فصل دوم: مباني تصاوبر 79| 20 ev or-1 Co) ‏اقليدسي‎ abols p(x,y), q(s;t) bli ‏براي‎ * ‏اد‎ ۱ aE), Zw) bls sly * seul aSl> city-block distance sSgl aLo* نیمسال دوم 4+ 

صفحه 45:
فصل دوم: مباني تصاوير ديجيتال ‎chessboard distance |, D, aLols ©‏ m-path distance | D,, abols © ۳ 

صفحه 46:
فصل دوم: مباني تصاوير ديجيتال :© عمليات نقطه اي تا برّاساس بيكستل * عملیات خطي * عملیات غیر خطي ۳ 

فصل دوم :مباني تصاوير ديجيتال شناخت نحوه ادراك بينايي انسان نقش اساسي در درك و بكارگيري مفاهيم پردازش تصاوير ديجيتالي دارد. اجزاء ادراك بينايي ‏ ‏ ‏ نيمسال دوم -4 ساختمان چشم انسان تشكيل تصوير در چشم تطبيق و تشخيص درخشندگي پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ساختمان چشم انسان نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ‏ ‏ ‏ ‏ ‏ نيمسال دوم -4 شبكيه پوشيده از گيرنده هاي حساس ميله اي و مخروطي است. هر جند سلول ميله اي به يك عصب متصل است. ونقش ايجاد ديد كلي با حساسيت باال را دارد. ()Scotopic or Dim-light Vision گيرنده هاي مخروطي در مركز ديد يا Fovea متمركز است)mm2/ 150000( . حساسيت گيرنده هاي مخروطي كم است اما توانايي تشخيص رنگ را دارند)Photopic Vision( . در نور متوسط هر دو نوع گيرنده درگير ساخت تصوير هستند)Mesopic Vision( . پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نيمسال دوم -4 توزيع سلولهاي بينايي در شبكيه چشم انسان پردازش تصوير فصل دوم :مباني تصاوير ديجيتال تشكيل تصوير در چشم نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال محدوده تطبيق و درك درخشندگي در چشم نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال توانايي چشم در تشخيص تغييرات روشنايي ‏WeberRatio ‏Ic I )Constant (I )Flash (ΔI نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نسبت وبر در تشخيص تغييرات روشنايي نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال سطوح روشنايي قابل درك اگر Iثابت باشد و ΔIبطور پيوسته از سطح هرگز قابل درك تا هميشه قابل درك تغيير كند ،چشم مي تواند 10الي 20سطح روشنايي متفاوت را درك كند .اما چون محدوده تطبيق Iدر يك تصوير تغيير مي كند چشم مي تواند تعداد زيادي سطح روشنايي را تشخيص دهد. نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال پديده Mach bands اين پديده به علت تاثير گذاري چندسلول گيرنده بر يك عصب بينايي بوجود مي آيد. ‏Latteral Inhibition نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ديده كنتراست همزمان شدت روشنايي قابل درك با روشنايي زمينه ارتباط دارد. نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال فريب نوري بينايي انسان نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ور و طيف الكترومغناطيسي ‏E h. ‏c ‏ ‏ نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال تمام امواج الكتروغناطيسي ميتواند با شرايط زير به عنوان نور مشاهده اجسام بكار رود. ‏ ‏ ‏ نيمسال دوم -4 گيرنده مناسب براي تشخيص آن در دست باشد. جسم آن طيف انرژي را به كلي جذب نكند. طول موج آن طيف از ابعاد جسم كوچكتر باشد. پردازش تصوير فصل دوم :مباني تصاوير ديجيتال حسگرها و دريافت كننده هاي تصوير دريافت مستقيم تصوير ديجيتال (دوربين ديجيتال،دستگاههاي تصويربرداري پزشكي ،تصاوير رايانه اي) دريافت تصوير ساخته شده توسط دستگاههاي آنالوگ به صورت ديجيتال ()scanner تبديل سيگنالهاي تصوير و ويدئو آنالوگ به ديجيتال )frame and video grabber(  نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال حس كننده هاي نقطه اي، خطي و دوبعدي نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال افت تصوير دو بعدي بوسيله س كننده هاي نقطه اي نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال افت تصوير دو بعدي بوسيله س كننده هاي خطي نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال افت تصوير دو بعدي بوسيله س كننده آرايه دو بعدي نيمسال دوم -4 پردازش تصوير  مباني تصاوير ديجيتال:فصل دوم مدل ساده تشكيل f (x, y) i(x, y)r(x, y) تصوير 0  i(x, y)   i(x,y) [lm/m2 ] 0  r(x, y)  1 =90000 sunlight r(x,y) 10000 cloudy =0.01 black velvet 0.1 0.65 stainless steel moonlight 0.8 flat-white wall 1000 typical 0.9 silver plated office metal 0.93 snow -4 نيمسال دوم پردازش تصوير فصل دوم :مباني تصاوير ديجيتال خروجي حسگر به صورت سطح خاكستري نمايش داده مي شود. Lmin-Lmaxمقباس خاكستري ناميده ميشود .و به محدوده [ ]L-1,0تصويرميشود. 0: سياه ‏L-1 سفيد ‏Other: سايه نيمسال دوم -4 )   f (x0, y0 ‏Lmin  Lmax ‏Lmin (i.r)min, ‏Lmax (i.r)max پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نمونه برداري و چنديگر(كوانتيزاسيون) چرا؟ چگونه؟ نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نمونه برداري بوسيله حسگر آرايه اي ()CCD )(m, n)  f (mx, ny ) (m, n ‏ ‏(m, n)  ‏ 0.5 ‏ L ‏ نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نمايش ماتريسي تصوير ‏(0,1)   (0, N  1)  ‏(1,1)   (1, N  1)  ) (0,0 ) (1,0 ‏ ‏ ‏(m, n)   ‏ ‏ ‏ ‏ ‏ ‏ ‏  ‏ ‏ (M  1,0) (M  1,1)   (M  1, N  1) نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال انتخاب پارامترهاي نمونه بردار و كوانتايزر M,N,L ‏M,N:for reasonable resolution ‏L: ‏for reasonable ‏perceivable ‏gray levels ‏k ‏L 2 ‏b M Nk نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال دقت نمونه برداري نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال تاثير دقت نمونه برداري در افزايش تعداد پيكسلها نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال تاثير تعداد سطوح خاكستري(256و128و64و)32 نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال تاثير تعداد سطوح خاكستري(16و8و4و)2 نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ارتباط تعداد سطوح خاكستري و دقت مكاني نمونه برداري ‏ ‏ هر چقدر تصوير آرام تر باشد تعداد سطوح خاكستري قابل تشخيص بيشتر است. هر چقدر تصوير شلوغ تر باشد تعداد پيكسلها مهمتر استHuang [1965] . نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال منحني هاي isopreferenceبراي سه تصوير قبلي نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نمونه برداري و شكست فركانسي()aliasing سيگنال طول محدود و aliasing )X(f سيگنال باند محدود ‏w ‏fs<2W ‏fs>2W =2W 2π نيمسال دوم -4 ‏π )X(f -w -π -2π پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ‏Moire pattern نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال ‏Moire pattern نيمسال دوم -4 پردازش تصوير نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال بزرگنمايي تصوير ‏ نيمسال دوم -4 تكرار پيكسل پردازش تصوير فصل دوم :مباني تصاوير ديجيتال بزرگنمايي تصوير ‏ درون يابي نزديكترين پيكسل ) y(i, j)  x(i / a  0.5 ,  j / a  0.5 نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال بزرگنمايي تصوير ‏ نيمسال دوم -4 درون يابي دوخطي پردازش تصوير فصل دوم :مباني تصاوير ديجيتال نيمسال دوم -4 پردازش تصوير  مباني تصاوير ديجيتال:فصل دوم اتصال  هنگامي دو پيكسل به هم متصل هستند كه همسايه باشند و سطوح .خاكستري آنها با هم شرط مشخصي را برآورد كنند .اتصال اساس تشكيل مرز و ناحيه است adjacencyمجاورت  4- adjacency : p and q with value from V is 4-adjacent if q is in the set of N4(P) 8- adjacency : p and q with value from V is 8-adjacent if q is in the set of N8(P) m- adjacency : p and q with value from V is m-adjacency if q is in the set of N4(P), or q is in the set of ND(P) and N4(P)∩N4(q) has no value in the set V پردازش تصوير -4 نيمسال دوم فصل دوم :مباني تصاوير ديجيتال نيمسال دوم -4 پردازش تصوير فصل دوم :مباني تصاوير ديجيتال فاصله اقليدسي ‏ براي نقاط ) p(x,y), q(s,tفاصله اقليدسي 2 2 1/ 2 برابراست با: ‏De( p, q) (x  s)  ( y  t)  ‏ روابطD( p , q) 0 witch (D( p, q) q(s,t), )0 iff p qZ(v,w ) زير ‏p(x,y), براي نقاط )D( p, q) D(q, p حاكم است. )D( p, z) D( p, q)  D(q, z فاصله بلوكي city-block distance نيمسال دوم -4 2 2 1 2 2 1 0 1 2 2 1 2 2 ‏D4( p, q)  x  s  y  t پردازش تصوير فصل دوم :مباني تصاوير ديجيتال فاصله D8يا chessboard distance 2 2 2 2 2 2 1 1 1 2 ‏D8( p, q) max x  s , y  t  2 1 0 1 2 2 1 1 1 2 2 2 2 2 2 فاصله Dmيا m-path distance ‏p4 نيمسال دوم -4 ‏p3 ‏p2 ‏p1 ‏p پردازش تصوير فصل دوم :مباني تصاوير ديجيتال عمليات نقطه اي يا براساس پيكسل عمليات خطي )H(af  bg) aH( f )  bH(g ‏ عمليات غير خطي )H(af  bg) aH( f )  bH(g نيمسال دوم -4 پردازش تصوير