Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Эта статья посвящена математической обработке цифровых изображений. Для художественной обработки изображений см. Редактирование изображений . Алгоритмы сжатия см. В разделе Сжатие изображений .

Цифровая обработка изображений - это использование цифрового компьютера для обработки цифровых изображений с помощью алгоритма . [1] [2] Как подкатегория или область обработки цифровых сигналов, обработка цифровых изображений имеет много преимуществ перед обработкой аналоговых изображений . Это позволяет применять к входным данным гораздо более широкий спектр алгоритмов и позволяет избежать таких проблем, как нарастание шума и искажений во время обработки. Поскольку изображения определены в двух измерениях (возможно, больше), обработка цифровых изображений может быть смоделирована в форме многомерных систем.. На создание и развитие цифровой обработки изображений в основном влияют три фактора: во-первых, развитие компьютеров; во-вторых, развитие математики (особенно создание и совершенствование теории дискретной математики); в-третьих, вырос спрос на широкий спектр приложений в окружающей среде, сельском хозяйстве, военном деле, промышленности и медицине.

История [ править ]

Дополнительная информация: Цифровые изображения § История

Многие методы цифровой обработки изображений , или, как ее часто называют, обработки цифровых изображений, были разработаны в 1960-х годах в Bell Laboratories , Лаборатории реактивного движения , Массачусетском технологическом институте , Университете Мэриленда и в некоторых других исследовательских центрах. с приложением к спутниковым изображениям , преобразованию стандартов проводной фотографии , медицинской визуализации , видеофону , распознаванию символов и улучшению фотографий. [3]Целью ранней обработки изображений было улучшение качества изображения. Он был предназначен для улучшения визуального эффекта людей. При обработке изображений входом является изображение низкого качества, а на выходе - изображение улучшенного качества. Общая обработка изображений включает улучшение изображения, восстановление, кодирование и сжатие. Первым успешным применением стала Американская лаборатория реактивного движения (JPL). Они использовали методы обработки изображений, такие как геометрическая коррекция, преобразование градаций, удаление шума и т. Д. На тысячах лунных фотографий, отправленных космическим детектором Ranger 7 в 1964 году, с учетом положения Солнца и окружающей среды Луны. Влияние успешного картирования карты поверхности Луны компьютером имело огромный успех. Потом,более сложная обработка изображений была выполнена на почти 100 000 фотографий, отправленных обратно космическим кораблем, так что были получены топографическая карта, цветная карта и панорамная мозаика Луны, что дало выдающиеся результаты и заложило прочную основу для высадки человека на Луну.[4]

Однако стоимость обработки была довольно высокой с вычислительным оборудованием той эпохи. Ситуация изменилась в 1970-х годах, когда цифровая обработка изображений получила распространение по мере появления более дешевых компьютеров и специального оборудования. Это привело к тому, что изображения обрабатывались в реальном времени для решения некоторых специальных задач, таких как преобразование телевизионных стандартов . По мере того, как универсальные компьютеры становились быстрее, они начали брать на себя роль специального оборудования для всех операций, кроме самых специализированных и требовательных к компьютеру. С появлением быстрых компьютеров и сигнальных процессоров, доступных в 2000-х годах, цифровая обработка изображений стала наиболее распространенной формой обработки изображений и обычно используется, потому что это не только самый универсальный, но и самый дешевый метод.

Датчики изображения [ править ]

Основная статья: Датчик изображения

В основе современных датчиков изображения лежит технология металл-оксид-полупроводник (MOS) [5], которая берет начало в результате изобретения MOSFET ( полевого МОП-транзистора) Мохамедом М. Аталлой и Давоном Кангом в Bell Labs в 1959 г. [ 6] Это привело к разработке цифровых полупроводниковых датчиков изображения, включая устройство с зарядовой связью (ПЗС), а затем и датчик КМОП . [5]

Устройство с зарядовой связью было изобретено Уиллардом С. Бойлом и Джорджем Смитом в Bell Labs в 1969 году. [7] При исследовании технологии МОП они поняли, что электрический заряд является аналогом магнитного пузыря и что он может храниться на крошечном МОП-конденсаторе . Поскольку было довольно просто изготовить серию МОП-конденсаторов в ряд, они подключали к ним подходящее напряжение, чтобы заряд мог переходить от одного к другому. [5] ПЗС - это полупроводниковая схема, которая позже использовалась в первых цифровых видеокамерах для телевещания . [8]

NMOS датчика активного пикселя (APS) , был изобретен Olympus в Японии в середине 1980-х годов. Это стало возможным благодаря достижениям в производстве полупроводниковых МОП- устройств , когда масштабирование МОП-транзисторов достигало более мелких микронных, а затем и субмикронных уровней. [9] [10] NMOS APS был изготовлен командой Цутому Накамура на Olympus в 1985 году [11] КМОП - датчика активного пикселя (КМОП - датчик) впоследствии был разработан Эрик фоссум команды «ы в НАСА Лаборатории реактивного движения в 1993 году . [12] К 2007 году объем продаж датчиков CMOS превзошли ПЗС - датчики.[13]

Сжатие изображения [ править ]

Основная статья: Сжатие изображений

Важным достижением в технологии сжатия цифровых изображений стало дискретное косинусное преобразование (DCT), метод сжатия с потерями , впервые предложенный Насиром Ахмедом в 1972 году. [14] DCT-сжатие стало основой для JPEG , который был представлен Объединенной группой экспертов по фотографии в 1992. [15] JPEG сжимает изображения до файлов гораздо меньшего размера и стал наиболее широко используемым форматом файлов изображений в Интернете . [16] Его высокоэффективный алгоритм сжатия DCT в значительной степени стал причиной широкого распространения цифровых изображений.и цифровые фотографии , [17] с несколькими миллиардами изображений в формате JPEG, производимых ежедневно по состоянию на 2015 год [18].

Цифровой сигнальный процессор (DSP) [ править ]

Основная статья: Цифровой сигнальный процессор

Электронная обработка сигналов произвела революцию в связи с широким применением МОП-технологии в 1970-х годах. [19] Технология МОП-интегральных схем была основой первых однокристальных микропроцессоров и микроконтроллеров в начале 1970-х годов [20], а затем первых микросхем однокристального процессора цифровых сигналов (DSP) в конце 1970-х годов. [21] [22] С тех пор микросхемы DSP широко используются в цифровой обработке изображений. [21]

Дискретного косинусного преобразования (DCT) сжатия изображений алгоритм широко реализован в чипах DSP, со многими компаниями , разрабатывающими чипы DSP на основе технологии DCT. ДКП широко используются для кодирования , декодирования, кодирования видео , аудио кодирования , мультиплексирования , сигналы управления, сигнализации , аналого-цифровое преобразование , форматирование яркости и цветовых различий, и цветовые форматы , такие как YUV444 и YUV411 . ДКП также используется для операций кодирования , таких как оценки движения , компенсация движения ,межкадровое прогнозирование, квантование , перцепционное взвешивание, энтропийное кодирование , переменное кодирование и векторы движения , а также операции декодирования, такие как обратная операция между различными цветовыми форматами ( YIQ , YUV и RGB ) для целей отображения. DCT также обычно используются для микросхем кодера / декодера телевидения высокой четкости (HDTV). [23]

Медицинская визуализация [ править ]

Дополнительная информация: Медицинская визуализация

В 1972 году инженер британской компании EMI Housfield изобрел рентгеновский компьютерный томограф для диагностики головы, который обычно называют КТ (компьютерная томография). Метод компьютерной томографии ядра основан на проекции участка головы человека и обрабатывается компьютером для восстановления изображения поперечного сечения, что называется реконструкцией изображения. В 1975 году EMI успешно разработала компьютерную томографию для всего тела, которая позволила получить четкое томографическое изображение различных частей человеческого тела. В 1979 году этот диагностический метод получил Нобелевскую премию. [4] Технология цифровой обработки изображений для медицинских приложений была занесена в Зал славы космических технологий Космического фонда в 1994 году. [24]

Задачи [ править ]

Цифровая обработка изображений позволяет использовать гораздо более сложные алгоритмы и, следовательно, может предлагать как более сложные характеристики для простых задач, так и реализацию методов, которые были бы невозможны с помощью аналоговых средств.

В частности, цифровая обработка изображений - это конкретное приложение и практическая технология, основанная на:

  • Классификация
  • Извлечение признаков
  • Многомасштабный анализ сигналов
  • Распознавание образов
  • Проекция

Некоторые методы, которые используются при обработке цифровых изображений, включают:

  • Анизотропная диффузия
  • Скрытые марковские модели
  • Редактирование изображений
  • Восстановление изображения
  • Независимый компонентный анализ
  • Линейная фильтрация
  • Нейронные сети
  • Уравнения с частными производными
  • Пикселизация
  • Сопоставление точечных объектов
  • Анализ основных компонентов
  • Самоорганизующиеся карты
  • Вейвлеты

Преобразования цифровых изображений [ править ]

Фильтрация [ править ]

Цифровые фильтры используются для размытия и повышения резкости цифровых изображений. Фильтрация может производиться:

  • свертка со специально разработанными ядрами (массив фильтров) в пространственной области [25]
  • маскирование определенных частотных областей в частотной (Фурье) области

В следующих примерах показаны оба метода: [26]

Тип фильтраЯдро или маскаПример
Исходное изображение
Пространственный фильтр нижних частот
Пространственный Highpass
Представление ФурьеПсевдокод:

image = шахматная доска

F = преобразование Фурье изображения

Показать изображение: журнал (1 + абсолютное значение (F))

Фурье Lowpass
Фурье Хайпасс

Заполнение изображений в области фильтрации Фурье [ править ]

Изображения обычно дополняются перед преобразованием в пространство Фурье, изображения с фильтром верхних частот ниже иллюстрируют последствия различных методов заполнения:

Нулевой набивнойПовторяющаяся кромка с мягкой подкладкой

Обратите внимание, что фильтр верхних частот показывает дополнительные края при заполнении нулями по сравнению с повторяющимся заполнением краев.

Примеры кода фильтрации [ править ]

Пример MATLAB для фильтрации верхних частот в пространственной области.

img = шахматная доска ( 20 );  % создать шахматную доску % ************************** ПРОСТРАНСТВЕННЫЙ ДОМЕН ****************** ********* klaplace = [ 0  - 1  0 ;  - 1  5  - 1 ;  0  - 1  0 ];  % Ядро лапласовского фильтра X = conv2 ( img , klaplace );  % convolve test img с  % 3x3 ядром лапласиана figure () imshow ( X , [])  % show Laplacian filtertitle ( 'Обнаружение лапласовских границ' )

Аффинные преобразования [ править ]

Аффинные преобразования позволяют выполнять базовые преобразования изображений, включая масштабирование, поворот, перемещение, зеркальное отражение и сдвиг, как показано в следующих примерах: [26]

Имя преобразованияАффинная матрицаПример
Личность
Отражение
Шкала
Повернутьгде θ =π/6 = 30 °
Сдвиг

Чтобы применить аффинную матрицу к изображению, изображение преобразуется в матрицу, в которой каждая запись соответствует интенсивности пикселей в этом месте. Затем положение каждого пикселя может быть представлено как вектор, указывающий координаты этого пикселя в изображении, [x, y], где x и y - это строка и столбец пикселя в матрице изображения. Это позволяет умножить координату на матрицу аффинного преобразования, которая дает позицию, в которую будет скопировано значение пикселя в выходном изображении.

Однако для преобразования, требующего трансляционных преобразований, необходимы трехмерные однородные координаты . Третье измерение обычно устанавливается на ненулевую константу, обычно 1, так что новая координата равна [x, y, 1]. Это позволяет умножить вектор координат на матрицу 3 на 3, что позволяет сдвигать. Таким образом, третье измерение, являющееся константой 1, допускает перевод.

Поскольку умножение матриц является ассоциативным, несколько аффинных преобразований могут быть объединены в одно аффинное преобразование путем умножения матрицы каждого отдельного преобразования в том порядке, в котором они выполняются. Это приводит к единой матрице, которая при применении к точечному вектору дает тот же результат, что и все отдельные преобразования, выполняемые последовательно над вектором [x, y, 1]. Таким образом, последовательность матриц аффинного преобразования может быть сведена к одной матрице аффинного преобразования.

Например, двухмерные координаты допускают вращение только вокруг начала координат (0, 0). Но можно использовать трехмерные однородные координаты, чтобы сначала перевести любую точку в (0, 0), затем выполнить вращение и, наконец, перевести начало координат (0, 0) обратно в исходную точку (противоположность первого перевода). Эти 3 аффинных преобразования можно объединить в единую матрицу, что позволит вращать любую точку изображения. [27]

Приложения [ править ]

Дополнительная информация: Цифровые изображения и приложения компьютерного зрения

Изображения с цифровой камеры [ править ]

Цифровые камеры обычно включают в себя специализированные цифровой обработке изображений оборудования - либо специализированные микросхемы или добавляемые схемы на других чипах - преобразовать исходные данные из своего датчика изображения в цветовой коррекции изображения в стандартном формате файл изображения .

Фильм [ править ]

« Мир Дикого Запада» (1973) был первым художественным фильмом, в котором использовалась цифровая обработка изображений для пиксельной фотографии, имитирующей точку зрения андроида. [28]

Технологии обнаружения и мониторинга усталости [ править ]

За последнее десятилетие произошел значительный прогресс в технологии мониторинга усталости. Эти инновационные технологические решения теперь коммерчески доступны и предлагают реальные преимущества в области безопасности водителям, операторам и другим сменным рабочим во всех отраслях промышленности. [ необходима цитата ]

Разработчики программного обеспечения, инженеры и ученые разрабатывают программное обеспечение для определения утомляемости, используя различные физиологические сигналы для определения состояния усталости или сонливости. Измерение активности мозга (электроэнцефалограмма) широко признано в качестве стандарта при мониторинге утомляемости. Другая технология, используемая для определения ухудшения, связанного с утомляемостью, включает измерения поведенческих симптомов, например: поведение глаз, направление взгляда, микрокоррекции рулевого управления и использования дроссельной заслонки, а также вариабельность сердечного ритма. [ необходима цитата ]

См. Также [ править ]

  • Цифровое изображение
  • Компьютерная графика
  • Компьютерное зрение
  • CVIPtools
  • Оцифровка
  • Свободное граничное условие
  • ГПГПУ
  • Гомоморфная фильтрация
  • Анализ изображений
  • Общество интеллектуальных транспортных систем IEEE
  • Многомерные системы
  • Программное обеспечение дистанционного зондирования
  • Стандартное тестовое изображение
  • Сверхразрешение
  • Полное изменение шумоподавления
  • Машинное зрение
  • Ограниченная вариация
  • Радиомика

Ссылки [ править ]

  1. ^ Чакраворти, Pragnan (2018). «Что такое сигнал? [Конспект лекции]». Журнал обработки сигналов IEEE . 35 (5): 175–177. Bibcode : 2018ISPM ... 35..175C . DOI : 10.1109 / MSP.2018.2832195 . S2CID  52164353 .
  2. ^ Гонсалес, Рафаэль (2018). Цифровая обработка изображений . Нью-Йорк, штат Нью-Йорк: Пирсон. ISBN 978-0-13-335672-4. OCLC  966609831 .
  3. ↑ Азриэль Розенфельд, Обработка изображений компьютером , Нью-Йорк: Academic Press, 1969.
  4. ^ a b Гонсалес, Рафаэль С. (2008). Цифровая обработка изображений . Вудс, Ричард Э. (Ричард Юджин), 1954- (3-е изд.). Река Аппер Сэдл, Нью-Джерси: Prentice Hall. С. 23–28. ISBN 9780131687288. OCLC  137312858 .
  5. ^ a b c Уильямс, JB (2017). Электронная революция: изобретая будущее . Springer. С. 245–8. ISBN 9783319490885.
  6. ^ "1960: Металлооксидный полупроводниковый (МОП) транзистор продемонстрирован" . Кремниевый двигатель . Музей истории компьютеров . Архивировано 3 октября 2019 года . Дата обращения 31 августа 2019 .
  7. ^ Джеймс Р. Джейнсик (2001). Научные приборы с зарядовой связью . SPIE Press. С. 3–4. ISBN 978-0-8194-3698-6.
  8. ^ Бойл, Уильям S; Смит, Джордж Э. (1970). «Полупроводниковые приборы с зарядовой связью». Bell Syst. Tech. Дж . 49 (4): 587–593. DOI : 10.1002 / j.1538-7305.1970.tb01790.x .
  9. ^ Фоссум, Eric R. (12 июля 1993). «Активные пиксельные сенсоры: динозавры CCDS?». В Blouke, Морли М. (ред.). Устройства с зарядовой связью и твердотельные оптические датчики III . Труды ШПИ. 1900 . С. 2–14. Bibcode : 1993SPIE.1900 .... 2F . CiteSeerX 10.1.1.408.6558 . DOI : 10.1117 / 12.148585 . S2CID 10556755 .  
  10. ^ Фоссум, Eric R. (2007). «Активные пиксельные датчики». S2CID 18831792 .  Cite journal requires |journal= (help)
  11. ↑ Мацумото, Казуя; и другие. (1985). «Новый МОП-фототранзистор, работающий в режиме неразрушающего считывания». Японский журнал прикладной физики . 24 (5A): L323. Bibcode : 1985JaJAP..24L.323M . DOI : 10,1143 / JJAP.24.L323 .
  12. ^ Фоссум, Эрик Р .; Хондонгва, ДБ (2014). "Обзор закрепленного фотодиода для датчиков изображения CCD и CMOS" . Журнал IEEE Общества электронных устройств . 2 (3): 33–43. DOI : 10,1109 / JEDS.2014.2306412 .
  13. ^ "Продажи датчиков изображения CMOS остаются рекордными темпами" . IC Insights . 8 мая 2018. Архивировано 21 июня 2019 года . Дата обращения 6 октября 2019 .
  14. ↑ Ахмед, Насир (январь 1991 г.). «Как я пришел к дискретному косинусному преобразованию» . Цифровая обработка сигналов . 1 (1): 4–5. DOI : 10.1016 / 1051-2004 (91) 90086-Z . Архивировано 10 июня 2016 года . Проверено 10 октября 2019 .
  15. ^ «T.81 - ЦИФРОВОЕ СЖАТИЕ И КОДИРОВАНИЕ НЕПРЕРЫВНЫХ ИЗОБРАЖЕНИЙ - ТРЕБОВАНИЯ И РУКОВОДСТВО» (PDF) . CCITT . Сентябрь 1992 года. Архивировано 17 июля 2019 года (PDF) . Проверено 12 июля 2019 .
  16. ^ «Объяснение формата изображения JPEG» . BT.com . BT Group . 31 мая 2018. Архивировано 5 августа 2019 года . Дата обращения 5 августа 2019 .
  17. ^ «Что такое JPEG? Невидимый объект, который вы видите каждый день» . Атлантика . 24 сентября 2013 года. Архивировано 9 октября 2019 года . Дата обращения 13 сентября 2019 .
  18. ^ Baraniuk, Крис (15 октября 2015). «Защита от копирования может приходить на JPEG» . BBC News . BBC . Архивировано 9 октября 2019 года . Дата обращения 13 сентября 2019 .
  19. ^ Грант, Дункан Эндрю; Говар, Джон (1989). Силовые МОП-транзисторы: теория и приложения . Вайли . п. 1. ISBN 9780471828679. Полевой транзистор металл-оксид-полупроводник (MOSFET) является наиболее часто используемым активным устройством в очень крупномасштабной интеграции цифровых интегральных схем (VLSI). В течение 1970-х годов эти компоненты произвели революцию в электронной обработке сигналов, системах управления и компьютерах.
  20. ^ Shirriff, Кен (30 августа 2016). «Удивительная история первых микропроцессоров» . IEEE Spectrum . Институт инженеров по электротехнике и радиоэлектронике . 53 (9): 48–54. DOI : 10.1109 / MSPEC.2016.7551353 . S2CID 32003640 . Архивировано 13 октября 2019 года . Дата обращения 13 октября 2019 . 
  21. ^ a b "1979: Представлен однокристальный цифровой сигнальный процессор" . Кремниевый двигатель . Музей истории компьютеров . Архивировано 3 октября 2019 года . Дата обращения 14 октября 2019 .
  22. ^ Taranovich, Стив (27 августа 2012). «30 лет DSP: от детской игрушки до 4G и выше» . EDN . Архивировано 14 октября 2019 года . Дата обращения 14 октября 2019 .
  23. ^ Станкович, Радомир С .; Астола, Яакко Т. (2012). "Воспоминания о ранних работах в DCT: Интервью с К. Р. Рао" (PDF) . Отпечатки с первых дней информационных наук . 60 . Архивировано 13 октября 2019 года (PDF) . Дата обращения 13 октября 2019 .
  24. ^ "Зал славы космической техники: индукционные технологии / 1994" . Космический фонд. 1994. Архивировано из оригинала 4 июля 2011 года . Проверено 7 января 2010 года .
  25. ^ Чжан, Массачусетс; Ливингстон, штат Арканзас; Асари, ВК (2008). «Высокопроизводительная архитектура для реализации двумерной свертки с квадрантными симметричными ядрами». Международный журнал компьютеров и приложений . 30 (4): 298–308. DOI : 10.1080 / 1206212x.2008.11441909 . S2CID 57289814 . 
  26. ^ a b Гонсалес, Рафаэль (2008). Цифровая обработка изображений, 3-й . Пирсон Холл. ISBN 9780131687288.
  27. ↑ House, Keyser (6 декабря 2016 г.). Аффинные преобразования (PDF) . Клемсон . Основы физического моделирования и анимации. А.К. Петерс / CRC Press. ISBN  9781482234602. Архивировано (PDF) из оригинала 30 августа 2017 года . Проверено 26 марта 2019 .
  28. ^ Краткая история ранней истории компьютерной графики в фильмах. Архивировано 17 июля 2012 года в Wayback Machine , Ларри Ягер , 16 августа 2002 года (последнее обновление), получено 24 марта 2010 года.

Дальнейшее чтение [ править ]

  • Соломон, CJ; Брекон, Т.П. (2010). Основы цифровой обработки изображений: практический подход с примерами в Matlab . Вили-Блэквелл. DOI : 10.1002 / 9780470689776 . ISBN 978-0470844731.
  • Вильгельм Бургер; Марк Дж. Бердж (2007). Цифровая обработка изображений: алгоритмический подход с использованием Java . Springer . ISBN 978-1-84628-379-6.
  • Р. Фишер; К. Доусон-Хау; А. Фитцгиббон; К. Робертсон; Э. Трукко (2005). Словарь компьютерного зрения и обработки изображений . Джон Вили. ISBN 978-0-470-01526-1.
  • Рафаэль К. Гонсалес; Ричард Э. Вудс; Стивен Л. Эддинс (2004). Цифровая обработка изображений с использованием MATLAB . Pearson Education. ISBN 978-81-7758-898-9.
  • Тим Моррис (2004). Компьютерное зрение и обработка изображений . Пэлгрейв Макмиллан. ISBN 978-0-333-99451-1.
  • Тяги Випин (2018). Понимание обработки цифровых изображений . Тейлор и Фрэнсис CRC Press. ISBN 978-11-3856-6842.
  • Милана Сонька; Вацлав Главац; Роджер Бойл (1999). Обработка изображений, анализ и машинное зрение . PWS Publishing. ISBN 978-0-534-95393-5.
  • Рафаэль К. Гонсалес (2008). Цифровая обработка изображений. Прентис Холл. ISBN 9780131687288 

Внешние ссылки [ править ]

  • Лекции Алана Петерса по обработке изображений . Университет Вандербильта. Обновлено 7 января 2016 г.
  • Обработка цифровых изображений с помощью компьютерных алгоритмов