computer_image_analysis

در نمایش آنلاین پاورپوینت، ممکن است بعضی علائم، اعداد و حتی فونت‌ها به خوبی نمایش داده نشود. این مشکل در فایل اصلی پاورپوینت وجود ندارد.






  • جزئیات
  • امتیاز و نظرات
  • متن پاورپوینت

امتیاز

درحال ارسال
امتیاز کاربر [0 رای]

نقد و بررسی ها

هیچ نظری برای این پاورپوینت نوشته نشده است.

اولین کسی باشید که نظری می نویسد “Computer Image Analysis”

Computer Image Analysis

اسلاید 1: Computer Image Analysis گزارش پژوهشی درس انفورماتیک پزشکی ساسان خیام باشی 83233513

اسلاید 2: فهرست مطالبمقدمهتعاریفتصویر برداری دیجیتالالمانهای تفسیر توسط چشمپردازش تصویرآنالیز تصاویرجمع بندیمنابع

اسلاید 3: مقدمهتکنولوژی مدرن دیجیتال امکان دستکاری سیگناهای چند بعدی را فراهم آوردههدف از این دستکاریها یکی از موارد زیر است:پردازش تصویر: ورودی تصویر / خروجی تصویرآنالیز تصویر: ورودی تصویر / خروجی شامل تعدادی از اندازه گیریهادرک تصویر: ورودی تصویر / خروجی شامل توصیف ادراکی تصویر

اسلاید 4: مقدمهشایعترین اعمال پردازشی که در سیستمهای آنالیز تصاویر استفاده می شود پیش پردازش(Preprocessing)افزایش کیفیت تصویر (Image Enhancement)تبدیل تصویر (Image Transformation)طبقه بندی و آنالیز تصویر

اسلاید 5: مقدمه - پیش پردازش(Preprocessing)معمولا قبل از آنالیز اصلی تصاویر و استخراج اطلاعات لازمند تحت عنوان تصحیحهای رادیومتریک یا جئومتریک گروهبندی میشوند هدف آنها بدست آوردن تصویر دقیقی است که از تابش اشعه به گیرنده ها ایجاد می شود

اسلاید 6: مقدمه - افزایش کیفیت تصویر (Image Enhancement)این دسته از پردازشها صرفا به منظور بهبود و افزایش وضوح تصویر هستند تا بتوان تفسیر بهتری را از تصاویر بدست آورد

اسلاید 7: مقدمه - تبدیل تصاویر (Image Transformation)شامل پردازش ترکیبی بر روی داده های بدست آمده از چندین باند طیفی می شوند اعمال ریاضی (جمع، تفریق، ضرب، تقسیم) بر روی تصاویر اعمال می شوند باند های اولیه را ترکیب کرده و آنها را به تصاویر جدیدی که وضوح بیشتری داشته و یا خصوصیات ویژه ای را بهتر نمایان می کنند تبدیل می نمایند.

اسلاید 8: مقدمه - طبقه بندی و آنالیز تصویر هدف آنها طبقه بندی و شناسائی پیکسل ها در داده است. هر پیکسل تصویر را بر اساس خصوصیات آماری مقادیر روشنائی آن به یک گروه اختصاص می دهد .برای انجام آن دو روش عمده ، با مربی و بدون مربی وجود دارد

اسلاید 9: تعاریف تصویر: تابعی از دو متغیر حقیقی است مثل a(x,y) که در آن a شدت تصویر(مثلا میزان روشنائی) در مکان حقیقی (x,y) است.Regions-of-Interest (ROI):یک تصویر معمولا شامل تعدادی زیر تصویر می باشد که به آنها نواحی مورد توجه گفته میشود. در یک سیستم پردازش تصویر مناسب باید بتوان روی نواحی مختلف اعمال متفاوتی انجام داد شدتها در تصاویر یا به صورت اعداد حقیقی و یا به صورت اعداد صحیح هستند. Quantization: فرایندی است که در آن شدتها از حالت پیوسته به حالت مجزا تبدیل می شود.مورفومتری: توضیح کمی یک ساختار. استریولوژی :استخراج و تفسیر اطلاعات سه بعدی از تصاویر دو بعدی.

اسلاید 10: تصویر برداری دیجیتال یک تصویر دیجیتال a[m,n]در یک فضای گسسته دو بعدی از یک تصویر دوبعدی a(x,y) در یک فضای پیوسته دو بعدی توسط فرایند digitization مشتق می شود.تصویر دو بعدی به n ردیف و m ستون تقسیم میشود. تلاقی یک ردیف و یک ستون پیکسل نامیده میشود.A(x,y) تابعی از متغیرهای بسیاری است از جمله عمق (z) ، رنگ، و زمان(t) دقت تصویر به صورت پیکسل بر اینچ اندازه گیری می شود. دقت پیکسلی یا عمق پیکسل به معنی تعداد بیت اطلاعات به ازاء هر پیکسل می باشد در تصاویر باینری عمق پیکسل 1 (روشن - خاموش) است برای آنالیز تصاویر طیف خاکستری حداقل عمق پیکسل لازم 8 بیت است. برای تصاویر رنگی حداقل عمق 24 بیت لازم است

اسلاید 11: تصویر برداری دیجیتالشکل 1- تصویر دیجیتال

اسلاید 12: المانهای تفسیر توسط چشم تشخیص هدفها کلید استخراج اطلاعات و تفسیر تصویر است مشاهده اختلاف بین هدفها و زمینه آنها شامل مقایسه از نظر تعدادی از المانهای بینائی میباشد :تون: به روشنائی یا رنگ نسبی اشیاء در تصویر اتلاق می شود .شکل: بیان کننده فرم، ساختار و محیط اشیاء است. اندازه: اندازه تصاویر تابعیست از بزرگنمائی تصویر الگو: الگو بیان کننده ترتیب قرار گرفت فضائی اشیاء دیدنی است. بافت: ترتیب و تکرار تغییرات تون در نواحی خاصی از تصویر سایه: می تواند ارتفاع نسبی اشیاء را مشخص سازد ارتباط: رابطه بین هدف و دیگر اشیائ قابل تشخیص در نزدیکی آن

اسلاید 13: المانهای تفسیر توسط چشم چگونه انسان اشیاء را طبقه بندی میکند؟ انسان به کنتراست حساس است. همیشه اشیائی که دارای کنتراست بالا دارند بیشتر در ذهن خود را نشان می دهند. انسان به پرسپکتیو و تغییرات عمق تصویر حساس است.انسان به جهت تابش نور حساس است و ترجیح می دهد که نور از بالا بتابد.انسان همیشه دوست دارد چیزی را در تصویر ببیند که انتظار آن را دارد

اسلاید 14: پردازش تصویر (processing Image) عملیاتی است که طی آن ویژگیهای تصویر بارزتر می شوند قبل از آنالیز تصویر انجام می گیرد پردازش تصویر بر روی پیکسلها انجام می شود پردازش بر روی گروهی از پیکسلها به نام کرنل انجام میشودکرنل

اسلاید 15: پردازش تصویر- پیش پردازش(Preprocessing) بازیابی یا اصلاح تصویر نیز نامیده می شوند به منظور اصلاح اعوجاجهای رادیومتریک یا جئومتریک به کار برده می شوند هنگامی که خصوصیات فضائی یا روشنائی نویز ها مشخص باشد از متدهای فوتوگرامتریک استفاده می شود. وقتی خصوصیات طیفی نویز ها مشخص باشد از فیلتر ها استفاده میشود. مرحله پیش پردازش نباید به گونه ای باشد که تصویر اصلی را آنقدر تغییر دهد که بیننده دچار خطای تشخیص شود.

اسلاید 16: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) ارتقاء توسط دستکاری هیستوگرام: هیستوگرام :نمودار گرافیکی که مقادیر روشنائی سازنده تصویر را نشان میدهد. روش کشیدن خطی کنتراست: حد بالا و پایین کنتراست از روی هیستوگرام مشخص می شود سپس با استفاده از یک تبدیل، محدوده کنتراست کشیده می شود تا کل محدوده ممکن را پر میکند.Histogram-Equalized stretching: محدوده بیشتری به مقادیری که فرکانس بالاتری دارند اختصاص می یابد Histogram sliding :در مواردی که هیستوگرام در یک طرف طیف یا در وسط طیف جمع شده باشد استفاده می شود. در این روش یک مقدار ثابت به کل پیکسلها اضافه و یا از آنها کم می شود

اسلاید 17: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) Histogram sliding and stretching

اسلاید 18: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) حذف نویز: میانگین گیری :مقداری تاری در تصویر ایجاد میکند فیلتر کردن فضائی : زمانی که بخواهیم ویژگیهائی از تصویر را بر اساس تکرار فضائی آنها ارتقا یا تقلیل دهیم فیلتر پایین گذر:تاکید بر نواحی بزرگ و هوموژنفیلترهای تشخیص لبه فیلتر های میانه: کمترین میزان تاری را ایجاد می کنند. تبدیل فوریه : حذف نویزهای پریودیک

اسلاید 19: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) حذف نویز با استفاده از یک فیلتر میانه با کرنل 3*3

اسلاید 20: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) حذف نویز پریودیک با استفاده از تبدیل فوریه سریع(FFT)

اسلاید 21: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) ارتقاء لبه ها : در این روشها وضوح تصویر کاهش می یابد و لبه های موحود در آن ارتقاء می یابند. استفاده از رنگ مجازی : استفاده از رنگ مجازی در تصاویر طیف خاکستری می تواند برخی جنبه های تصویر را نمایانتر سازد

اسلاید 22: پردازش تصویر -ارتقاء تصویر(EnhancementImage ) ارتقاء لبه توسط تبدیل لاپلاس استفاده از رنگ مجازی

اسلاید 23: پردازش تصویر- تبدیل تصاویر (Image Transformation) عمدتا نیازمند دستکاری چندین باند داده است تبدیلات پایه شامل اعمال عملگر های جبری بر روی داده هاست کم کردن تصاویر از یکدیگر: برای مواقعی که می خواهیم بدانیم در طول زمان چه تغییراتی رخ داده است. تقسیم کردن تصاویر یا Spectral rationing :برای روشن ساختن تغییرات کوچکی که در طیف پوششی سطحهای مختلف وجود دارد Principal components analysis :هدف این تبدیل کاهش تعداد باندها و فشرده سازی اطلاعات باندهای اولیه است.

اسلاید 24: پردازش تصویر- تبدیل تصاویر (Image Transformation) کم کردن تصاویر تبدیل Principal Components Analysis

اسلاید 25: آنالیز تصویر (Image Analysis)توسط آن ویژگیهای تصاویرمشخص و استخراج شوند.تصویر به اجزاء خود تقسیم می شود (Segmentation).تصاویر ممکن است به نواحی با محیط بسته، نقاط و خطها تقسیم و دسته بندی شوند. آیتم هائی که در آنالیز تصویر اندازه گیری می شوند شامل طول،سطح،محیط،نسبت سطح به محیط، محور اصلی، محور فرعی و تعداد سوراخها است.

اسلاید 26: آنالیز تصویر (Image Analysis) تعیین آستانه (Thresholding) تشخیص لبه استخراج منطقه (Region extraction) دسته بندی تصویر(Image Classification) شکل شناسی ریاضی (Mathematical morphology)

اسلاید 27: آنالیز تصویر - تعیین آستانه (Thresholding) ساده ترین روش برای قطعه کردن تصویر است. ابتدا یک پارامتر به نام آستانه روشنائی() انتخاب می شودو بر روی تصویر اعمال می گردد.خروجی الگوریتم می تواند تحت عنوان شیء یا زمینه نامگذاری شود . آستانه را چگونه باید مشخص کرد؟ آستانه ثابتآستانه های بدست آمده از هیستوگرامالگوریتم ایزو دیتا الگوریتم Background – symmetry الگوریتم مثلث قطعه سازی تصویر می تواند بر اساس RGB و یا بر اساس HSI که روشی قدرتمند تر است انجام شود.

اسلاید 28: آنالیز تصویر - تعیین آستانه (Thresholding) الگوریتم مثلث

اسلاید 29: آنالیز تصویر - تشخیص لبه در این روش پیکسلهائی جستجو می شوند که به کناره اشیاء اختصاص دارند .فیلترهای تشخیص لبه زیادی وجود دارد از جمله لاپلاس، سوبل و روبرتز .گرادیانها را برجسته می سازند و تحول از یک روشنائی به دیگری را تشخیص می دهند.اشیاء ناپیوسته و اشیائی را که روی هم افتاده باشند تشخیص نمی دهند. فیلتر های آب پخشان (Watershed) می توانند اشیاء روی هم افتاده را جدا کنند روش بر اساس گرادیانروش عبور کردن از صفر روش بر اساس PLUS : دقیقترین روش

اسلاید 30: آنالیز تصویر - تشخیص لبه استفاده از دو روش LoG و PULS برای تشخیص لبه

اسلاید 31: آنالیز تصویر - تشخیص لبه یافتن لبه بر اساس روش عبور از صفر

اسلاید 32: آنالیز تصویر - استخراج منطقه (Region extraction) قسمتهائی از تصویر که از یک قاعده یکنواختی پیروی می کنند را جدا سازی میکند. این روشها منجر به تشخیص نواحی بسته و در نتیجه محیطهای بسته می شوند .نکات منفی این روشها پیچیدگی آنهاست و اینکه معمولا مناطق کوچک زیادی تشخیص داده می شوند .معمولا پس پردازش لازم است.جداسازی تصاویر دارای بافت هنوز یک مشکل عمده است.

اسلاید 33: آنالیز تصویر - دسته بندی تصویر(Image Classification) طبقه بندی ،از اطلاعات دیجیتال طیفی تصویر استفاده می کند و هر پیکسل را بر اساس این اطلاعات طیفی طبقه بندی کند. هدف این است که در تصویر تمام پیکسل ها به یک دسته یا تم اختصاص یابند. طبقه بندی اطلاعاتی : قسمتهائی از تصویر است که آنالیست مایل به تشخیص آنهاست .طبقه بندی طیفی : گروههائی از پیکسل است که از نظر مقدار روشنائی در کانالهای طیفی مختلف متحدالشکل هستند هدف، نگاشت دسته های طیفی با دسته های اطلاعاتی مورد جستجو است. طبقه بندی با مربی: آنالیست خودش ناحیه های آموزش دهنده را شناسائی می کند. طبقه بندی بدون مربی : در ابتدا طبقه های طیفی بر اساس عدد طیفیشان مشخص می شوند سپس با دسته های طیفی مد نظر آنالیست نگاشت می شوند الگوریتمهای خوشه بندی برای تشخیص گروه بندی های طبیعی(آماری) و ساختار های موجود در تصویر بکار برده می شوند. نتیجه نهائی این طبقه بندی ممکن است به دسته هائی منجر شود که آنالیست لازم میداند تعدادی از آنها را به هم بپیوندد یا تعدادی را به میزان بیشتری بشکند

اسلاید 34: آنالیز تصویر - دسته بندی تصویر(Image Classification) دسته بندی دارای مربیدسته بندی بدن مربی

اسلاید 35: آنالیز تصویر - دسته بندی تصویر(Image Classification) پارامتر شکل :یک پارامتر مناسب برای دسته بندی اشیاء شکل شیء است.به صورت 4 * Pi / (Peimeter^2) تعریف می شود.یک دایره کامل پارامتر شکلی برابر 1 خواهد داشت. خروج از حالت دایره ای مثلا بیضی ، پارامتر شکلی زیر 1 خواهد داشت. از این قانون می توان برای تشخیص سلولهای سرطانی(غیر گرد) از سلولهای عادی(گرد و منظم) استفاده کرد

اسلاید 36: آنالیز تصویر - شمارش اشیاء ابتدا باید محل مورد نظر یا مورد علاقه(ROI) را مشخص کرد با استفاده از یک برنامه کامپیوتری سطح آستانه ای برای آنالیز تصویر انتخاب می شود .ویژگیها با استفاده از مقادیر طیف خاکستری و یا رنگ مشخص می شوند. اشیاء با استفاده از لبه شان شناسائی و شمارش می شوند .اگر ما سایز فریم شمارش را بدانیم ، می توان تعداد اشیاء را بر حسب دانسیته عددی بیان کرد.می توان از فریم حاوی نقاط شمارش منظم استفاده کرد.یک شئ شمارش می شود اگر ربع فوقانی راست از یک نقطه شمارش را اشغال کند.

اسلاید 37: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) حاصل قطعه سازی یک تصویر خاکستری ، یک تصویر باینری است .پردازش مورفولوژیکال این تصویر باینری میتواند نتیجه قطعه سازی را بهینه سازد .معمولا برای درک ساختار یا شکل یک تصویر به کار می روند . نقش کلیدی در بینائی کامپیوتری و تشخیص خودکار اشیاء دارند.اکثر روشهای ریخت شناختی بر روی همسایه های 3*3 عمل می کنند.پیکسل مورد توجه (X)در مرکز این پنجره واقع است.همسایه ها به صورت x0 – x7 نامگذاری می شوند.پیکسل 4 اتصالی :حداقل یکی از همسایه ها در مکانهایx0 , x2 , x4 ویا x6 مقدار مشابهی داشته باشد پیکسل 8 اتصالی : همه همسایه هایش مقدار مشابه داشته باشند.

اسلاید 38: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) Erosion: بیشتر در موارد اتخاذ تصمیم منطقی بکار می روند . از ماسک 3*3 دارای مقادیر 1 استفاده می کند. تمام پیکسلهای همسایه باید مقدار 1 داشته باشند تا مقدار نتیجه 1 باشد .اگر پیکسل مرکزی خودش مقدار صفر داشته باشد نتیجه بدون در نظر گرفتن همسایه ها صفر خواهد بود .برای حذف نویزهای سفید نقطه ای در یک زمینه تیره بکار برده می شود.نتیجه آن در عمل باریک کردن لبه های یک ناحیه سفید رنگ است .

اسلاید 39: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) :Dilationعکس ایروژن است .از ماسک 3*3 دارای مقادیر صفر استفاده می کند.عملگر منطقی آن NAND است. با این روش می توان نقاط سیاه منفرد را نیز حذف کرد

اسلاید 40: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) Hit-or-miss:ماسکهای تشخیص پیکسل 4و 8 اتصاله.ماسکهای تشخیص پل ماسکهائی برای تشخیص گوشه و یا پیکسلهای داخلیهمسایگی 9 گانه بدلیل باینری بودن تصویر می تواند در قالب یک عدد 9 بیتی بیان شود .این عدد می تواند به عنوان یک ایندکس در درون یک جدول جستجو ذخیره شود تا مشخص شود که آیا نتیجه باید hit یا miss باشد . چالش اصلی تهیه جدول جستجوی مناسب می باشد

اسلاید 41: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) پردازش مرحله ای روشهای دیگری وجود دارند که باید از ماسکهای 5*5 استفاده کنند .این سایز ماسک می تواند 33 میلیون حالت مختلف را در بر گیرد که برای هر پیکسل باید چک شود. بهترین راه استفاده از یک روش دو مرحله ای است هر دو مرحله از ماسک 3*3 استفاده می کنند مرحله اول: پیکسلهائی که باید بر روی آنها کار شود جدا می شوند. مرحله دوم: تصویر اصلی با تصویر بدست آمده مقایسه می شود در این روش نیز از جداول جستجو استفاده میشود

اسلاید 42: آنالیز تصویر - شکل شناسی ریاضی (Mathematical morphology) جمع کردن (Shrinking): شیء ها را تبدیل به یک نقطه می کند و در مرکز هندسی همان شیء قرار می دهد لاغر کردن (Thinning): یک خط دارای فواصل مساوی از لبه های شیئ ارائه می کند. اسکلتی کردن (Skeletonization): مثل لاغر کردن است منتها با این تفاوت که جزئیات بیشتری از شکل را در خود نگه می دارد. روشهای ریخت شناسی طیف خاکستری :ایروژن و دایلیشن طیف خاکستری معمولا نتایجی مشابه فیلترهای غیرخطی مینیمم و ماکزیمم ایجاد می کنند.

اسلاید 43: جمع بندیدریافت وثبت تصویر  تصویر خامپردازش تصویر  تصویر ارتقاء یافتهآنالیز  تصویر باینری  جداسازی  استخراج اشکال مورد نظر

10,000 تومان

خرید پاورپوینت توسط کلیه کارت‌های شتاب امکان‌پذیر است و بلافاصله پس از خرید، لینک دانلود پاورپوینت در اختیار شما قرار خواهد گرفت.

در صورت عدم رضایت سفارش برگشت و وجه به حساب شما برگشت داده خواهد شد.

در صورت نیاز با شماره 09353405883 در واتساپ، ایتا و روبیکا تماس بگیرید.

افزودن به سبد خرید