پردازش تصاویر دیجیتال ۱

پردازش تصاویر دیجیتال ۱

اسلاید 1: اجزاء ادراك بيناييساختمان چشم انسانتشكيل تصوير در چشمتطبيق و تشخيص درخشندگيفصل دوم: مباني تصاوير ديجيتال شناخت نحوه ادراك بينايي انسان نقش اساسي در درك و بكارگيري مفاهيم پردازش تصاوير ديجيتالي دارد.

اسلاید 2: فصل دوم: مباني تصاوير ديجيتال ساختمان چشم انسان

اسلاید 3: نكاتي در خصوص ساختمان چشملايه choroid يا شميميه شامل مويرگهاي خوني است كه چشم را تغذيه مي كند.عتبيه مانند ديافراگم دوربين با تغيير قطر نور ورودي را براي بهترين ديد تنظيم ميكند.قرنيه نقش دريجه ورودي و يك عدسي با ديوپتر ثابت را دارد.عدسي از آب، چربي و پروتئين تشكيل شده است. و 8% نورمرئي و اكثر نورهاي غير مرئي را جذب مي كند.فصل دوم: مباني تصاوير ديجيتال

اسلاید 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 بالا را دارد. (Scotopic or Dim-light Vision)گيرنده هاي مخروطي در مركز ديد يا Fovea متمركز است. (150000 /mm2)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)فصل دوم: مباني تصاوير ديجيتال

اسلاید 5: فصل دوم: مباني تصاوير ديجيتال توزيع سلولهاي بينايي در شبكيه چشم انسان

اسلاید 6: فصل دوم: مباني تصاوير ديجيتال تشكيل تصوير در چشم

اسلاید 7: تطبيق و تشخيص درخشندگي (Brightness) محدوده شدت نور در بينايي انسان حدود 1010 است. درك درخشندگي به صورت لوگاريتمي است.محدوده درخشندگي به صورت تطبيقي افزايش مي يابد.محدوده همزمان درخشندگي بسيار محدودتر ارز محدوده كلي است.فصل دوم: مباني تصاوير ديجيتال

اسلاید 8: فصل دوم: مباني تصاوير ديجيتال محدوده تطبيق و درك درخشندگي در چشم

اسلاید 9: فصل دوم: مباني تصاوير ديجيتال توانايي چشم در تشخيص تغييرات روشناييFlash (ΔI)Constant (I)

اسلاید 10: فصل دوم: مباني تصاوير ديجيتال نسبت وبر در تشخيص تغييرات روشنايي

اسلاید 11: اگر I ثابت باشد و ΔI بطور پيوسته از سطح هرگز قابل درك تا هميشه قابل درك تغيير كند، چشم مي تواند 10 الي 20 سطح روشنايي متفاوت را درك كند. اما چون محدوده تطبيق I در يك تصوير تغيير مي كند چشم مي تواند تعداد زيادي سطح روشنايي را تشخيص دهد.فصل دوم: مباني تصاوير ديجيتال سطوح روشنايي قابل درك

اسلاید 12: فصل دوم: مباني تصاوير ديجيتال پديده Mach bandsاين پديده به علت تاثير گذاري چندسلول گيرنده بر يك عصب بينايي بوجود مي آيد. Latteral Inhibition

اسلاید 13: فصل دوم: مباني تصاوير ديجيتال پديده كنتراست همزمانشدت روشنايي قابل درك با روشنايي زمينه ارتباط دارد.

اسلاید 14: فصل دوم: مباني تصاوير ديجيتال فريب نوري بينايي انسان

اسلاید 15: فصل دوم: مباني تصاوير ديجيتال نور و طيف الكترومغناطيسي

اسلاید 16: تمام امواج الكتروغناطيسي ميتواند با شرايط زير به عنوان نور مشاهده اجسام بكار رود.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.فصل دوم: مباني تصاوير ديجيتال

اسلاید 17: فصل دوم: مباني تصاوير ديجيتال حسگرها و دريافت كننده هاي تصويردريافت 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)

اسلاید 18: فصل دوم: مباني تصاوير ديجيتال حس كننده هاي نقطه اي، خطي و دوبعدي

اسلاید 19: فصل دوم: مباني تصاوير ديجيتال دريافت تصوير دو بعدي بوسيله حس كننده هاي نقطه اي

اسلاید 20: فصل دوم: مباني تصاوير ديجيتال دريافت تصوير دو بعدي بوسيله حس كننده هاي خطي

اسلاید 21: فصل دوم: مباني تصاوير ديجيتال دريافت تصوير دو بعدي بوسيله حس كننده آرايه دو بعدي

اسلاید 22: مدل ساده تشكيل تصويرفصل دوم: مباني تصاوير ديجيتال i(x,y) [lm/m2 ]=90000 sunlight 10000cloudy 0.1moonlight 1000 typical officer(x,y) =0.01 black velvet 0.65stainless steel 0.8flat-white wall 0.9silver plated metal 0.93snow

اسلاید 23: خروجي حسگر به صورت سطح خاكستري نمايش داده مي شود.Lmin-Lmax مقباس خاكستري ناميده ميشود. و به محدوده [0,L-1] تصويرميشود.0: سياهL-1 سفيدOther: سايهفصل دوم: مباني تصاوير ديجيتال

اسلاید 24: نمونه برداري و چنديگر(كوانتيزاسيون)چرا؟ چگونه؟فصل دوم: مباني تصاوير ديجيتال

اسلاید 25: فصل دوم: مباني تصاوير ديجيتال نمونه برداري بوسيله حسگر آرايه اي (CCD)

اسلاید 26: فصل دوم: مباني تصاوير ديجيتال نمايش ماتريسي تصوير

اسلاید 27: فصل دوم: مباني تصاوير ديجيتال انتخاب پارامترهاي نمونه بردار و كوانتايزر M,N,LM,N:for reasonable resolution L:for reasonable perceivable gray levels

اسلاید 28: فصل دوم: مباني تصاوير ديجيتال دقت نمونه برداري

اسلاید 29: فصل دوم: مباني تصاوير ديجيتال تاثير دقت نمونه برداري در افزايش تعداد پيكسلها

اسلاید 30: فصل دوم: مباني تصاوير ديجيتال تاثير تعداد سطوح خاكستري(256و128و64و32)

اسلاید 31: فصل دوم: مباني تصاوير ديجيتال تاثير تعداد سطوح خاكستري(16و8و4و2)

اسلاید 32: فصل دوم: مباني تصاوير ديجيتال ارتباط تعداد سطوح خاكستري و دقت مكاني نمونه برداريهر چقدر تصوير آرام تر باشد تعداد سطوح خاكستري قابل تشخيص بيشتر است.هر چقدر تصوير شلوغ تر باشد تعداد پيكسلها مهمتر است. Huang [1965]

اسلاید 33: فصل دوم: مباني تصاوير ديجيتال منحني هاي isopreference براي سه تصوير قبلي

اسلاید 34: fs=2Wfs<2Wفصل دوم: مباني تصاوير ديجيتال نمونه برداري و شكست فركانسي(aliasing)سيگنال طول محدود و aliasing-wwX(f)-ππX(f)2π-2πfs>2Wسيگنال باند محدود

اسلاید 35: فصل دوم: مباني تصاوير ديجيتال Moire pattern

اسلاید 36: Moire patternفصل دوم: مباني تصاوير ديجيتال

اسلاید 37:

اسلاید 38: فصل دوم: مباني تصاوير ديجيتال بزرگنمايي تصويرتكرار پيكسل

اسلاید 39: فصل دوم: مباني تصاوير ديجيتال بزرگنمايي تصويردرون يابي نزديكترين پيكسل

اسلاید 40: بزرگنمايي تصويردرون يابي دوخطيفصل دوم: مباني تصاوير ديجيتال

اسلاید 41: ارتباط ميان پيكسلهاهمسايه هاي پيكسلهمسايه هاي افقي و عمودي:P:(i,j) N4(P)=‍‍‍‌{(i-1,j), (i+1,j), (i,j-1), (i,j+1)}همسايه هاي قطري:P:(i,j) ND(P)=‍‍‍‌{(i-1,j-1), (i-1,j+1), (i+1,j-1), (i+1,j+1)}همسايه هاP:(i,j) ND(P)={N4(P) ,ND(P)}فصل دوم: مباني تصاوير ديجيتال

اسلاید 42: اتصالهنگامي 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.مجاورتadjacency 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 فصل دوم: مباني تصاوير ديجيتال

اسلاید 43: مسيرمسير (ديجتال) از نقطه p=(x,y) به نقطه q=(s,t) شامل مجموعه نقاطي است كه از p شروع و به q ختم مي شوند واجزاء كنار هم آنها مجاور يكديگر هستند.طول مسير برابر تعداد اعضاي مجموعه فوق است.اگر مختصات p, q برابر باشند مسير بسته است. فصل دوم: مباني تصاوير ديجيتال

اسلاید 44: فصل دوم: مباني تصاوير ديجيتال فاصله اقليدسيبراي نقاط p(x,y), q(s,t) فاصله اقليدسي برابراست با:براي نقاط p(x,y), q(s,t), Z(v,w) روابط زير حاكم است. 22 1 22 1 0 1 22 1 22فاصله بلوكي city-block distance

اسلاید 45: فاصله D8 يا chessboard distance فصل دوم: مباني تصاوير ديجيتال فاصله Dm يا m-path distance

اسلاید 46: عمليات نقطه اي يا براساس پيكسلعمليات خطيفصل دوم: مباني تصاوير ديجيتال عمليات غير خطي