پاورپوینت تحقيق و بررسي کاربرد هاي پردازش تصوير , 99 اسلاید , pptx - دانلود رایگان
دانلود رایگان
دانلود رایگان پاورپوینت تحقيق و بررسي کاربرد هاي پردازش تصوير , 99 اسلاید , pptx
•مقدمه
•چند تعریف ..اصطلاحات
•معرفي چند کاربردتصویر
•بازشناسي نوري حروف ( OCR )
•بررسي اجزا و انواع سيستم OCR
•تحليل بخشهاي مختلف سيستمهاي OCR
•منابع
مقدمه
در هر سيستمي و با هر عملکردي براي تصميم گيري به داده هاي ورودي احتياج داريم. اين ورودي ها ميتوانند از يک سنسور صوتي, سنسور فاصله سنج , سنسور مادون قرمز , ميکروفن و با تصاوير ارسالي از يه دوربين باشد.
امروزه پردازش تصوير بهترين ابزار براي استخراج ويژگي ها و تحليل موقعيت و در نهايت تصميم گيري صحيح مي باشد.
در مورد انسان نيز به همين صورت است, اطلاعات از طريق چشم به مغز ارسال مي شوند و مغز باپردازش اين اطلاعات تصميم نهايي را گرفته و فرمان را صادر مي کند.
هدف از پردازش تصوير پياده سازي عملکرد ذهن انسان در قبال داده ها و انجام پردازش هاي
خاصي براي استخراج ويژگي مورد نياز براي رسيدن به هدف از پيش تعيين شده مي باشد.
تعریف پيکسل
کوچکترين جزء PIXEL است .
پيکسل مخفف Picture Element به معني المان تصوير است. يک تصوير متشکل از تعداد زيادي پيکسل است که در کنار هم قرار گرفته اند .
در واقع زماني که با يک دوربين ديجيتال عکس مي گيريد اگر رزولوشن دوربين شما 640480x باشد به اين معني است که ماتريس با ابعاد 640480x در اختيار شماست که 640 پيکسل در طول و 480 پيکسل در عرض دارد
به ازاي هر پيکسل يک سلول نوري در دوربين وجود دارد. شدت نور اين سلول نوري مقدار عددی را براي اين پيکسل تعيين مي کند. به طور مثال به ازاي رنگ سياه مقدار صفر در پيکسل ذخيره مي شود و به ازاي رنگ سفيد مقدار 255 در آن ذخيره مي شود
زمينه
به مجموعه پيکسل هايي که شامل آبجکت نيستند , يا مجموعه پيکسل هايي که شامل S’ هستند گفته مي شود . ( S’ پيکسل هايي که شامل آبجکت نمي باشند
مسير path
پيکسل را در يک تصوير باينري در نظر بگيريد .
اگر راهي بين اين 2 پيکسل از طريق پيکسل هايي که حاوي آبجکت هستند وجود داشته باشد, به پيکسل هاي مرتبط مسير گفته ميشود .
اتصال
اگر S مجموع پيکسل هايي باشد که شامل آبجکت هستند پس S’ شامل ييکسل هاي بک گراند است . 2 پيکسل p و q که هر 2 متعلق به S هستند متصل به يکديگرند اگر حداقل يک مسير بين p و q وجود داشتهباشد
تشخيص الگو ( Pattern Recognition )
فرض کنيد مي خواهيد تشخيص دهيد که آبجکتي که در تصوير است دايره است يا خير . به اين عمل که توسط مغز کامپيتر انجام ميشود تشخيص الگو گفته مي شود .
براي اين منظور بايد به دنبال ويژگي منحصر به فردي در دايره باشيم . به عنوان مثال مثلا در مغز انسان , دايره مکان هندسي نقاطي است که فاصله آنها از يک نقطه مشخص از آن در ذهن دارد .
در دايره ويژگي منحصر به فرد P2/S = 4R است . البته بايد به اين نکته توجه کرد که منحصر به فرد بودن اين ويژگي در اشکال هندسي و در آبجکت هاي بي شکل صادق نيست .
شماره گذاري آبجکت هاي درون تصوير
براي تشخيص اينکه چه تعداد آبجکت در تصوير وجود دارد و هر کدام از پيکسل هل متعلق به کدام آبجکت است از روش هاي مختلفي استفاده مي شود و به اين عمل Component Labeling يا شماره گذاري اجزاء گفته مي شود .
ماتريسي که مشاهده مي کنيد يک تصوير به فرض سياو و سفيد است ( رنگ هايي که در تصوير مشاهده مي کنيد براي جدا کردن آبجکت ها است ) در خانه هايي که آبجکتي وجود ندارد مقدار صفر و در پيکسل هايي که آبجکت وجود دارد عدد يک وجود دارد
از سطر اول شروع مي کنيم و آنقدر در سطر حرکت مي کنيم تا به اولين پيکسلي که حاوي مقدار 1 است برسيم ,اين پيکسل را به عنوان اولين آبجکت در نظر مي گيريم .
بين پيکسلي که قبلا نشانه گذاري کرده بوديم و پيکسلي که الان به آن رسيديم مسيري وجود داشت , اين 2 پيکسل هر دو از يک آبجکت هستند , پس به اين پيکسل نيز برچسب همان پيکسل قبلي را مي زنيم . کار ادامه پيدا مي کند تا جايي که به پيکسلي ميرسيم که در شکل مشخص شده است که متعلق به آبجکت يک است ولي در همسايگي آن پيکسل برچسب گذاري نشده است
تشخيص لبه در يک تصوير..؟؟
دليل ايجاد یک لبه در تصوير اختلاف شدت نور در 2 طرف آن محل است که به ان لبه مي گوييم لبه ها قسمتي از تصوير هستند که اشتخوان بندي تصوير را مشخص مي کنند.
انواع لبه ها
1 - لبه عمودي
2 - لبه افقي
3 - لبه مورب
براي يافتن لبه ها به شکل زير عمل مي کنيم
براي لبه هاي افقي از ستون اول(منظور جدول شماره گذاری آبجکت ها هست) به صورت
عمودي شروع به حرکت مي کنيم و هر پيکسل را با پيکسل قبل از خودش مقايسه مي کنيم
اگر تفاوت آنها از عدد مشخصي بيشتر باشد آنجا لبه است .
در غيراين صورت به آن کاري نداريم .
براي يافتن لبه ها به شکل زير عمل مي کنيم
يافتن لبه هاي عمودي هم به همين صورت است منتها به صورت افقي شروع به حرکت مي کنيم .
لبه هاي مورب ميشه گفت ترکيبي از اين 2 لبه اند به اين صورت که جذر جمع مختصات هر پيکسل بايد از عددي مشخص بيشتر باشد در غير اين صورت لبه نيست .
بزرگ نماييZoom
براي بزرگ نمايي يا کوچک نمايي تصوير الگوريتم هاي مختلفي وجود دارد که ما به ساده ترين آنها اشاره مي کنيم .
براي 2 برابر کردن تصوير بين هر سطر و ستون يک سطر و ستون اضافه قرار مي دهيم و مقدار آن را ميانگين 2 پيکسل کناري آن قرار مي دهيم .
براي 1/2 کردن تصوير به صورت يکي در ميان سطر و ستون ها را حذف مي کنيم .همين روش را براي N برابر و 1/N برابر کردن استفاده مي کنيم .
شناسايي الگو
شناسايي الگو يکی از شاخه هاي هوش مصنوعي است كه با طبقه بندي (كلاسه بندي) و توصيف
مشاهدات سروكار دارد. .
شناسايي الگو به ما كمك مي كند تا داده ها (الگوها) را با تكيه بر دانش قبلي يا اطلاعات آماري استخراج
شده از الگوها، طبقه بندي نماييم.
الگوهايي كه مي بايست كلاسه بندي شوند، معمولا گروهي از سنجش ها يا اهداف هستند كه مجموعه
نقاطي را در يك فضاي چند بعدي مناسب تعريف مي نمايند
كاربردهاي بازشناسي الگو
بازشناسي الگو در بسياري از زمينه ها نقش كاربردي دارد . بازشناسي حروف، بازشناسي نويسنده،تصديق امضاء، طبقه بندي اثر انگشت و بازشناسي گفتار نمونه هايي از اين كاربردها هستند. شناسايي الگو براي تحليل داد ه هاي پزشكي نيز بكار گرفته شده است.
كاربردهاي بازشناسي الگو
براي مثال تفسيرالكتروكارديوگرام، تحليل تصاوير اشعه X و طبقه بندي كروموزم ها را مي توان نام برد. نمونه هاي ديگري از اين كاربردها شامل طبقه بندي مناطق زراعي، مطالعه آلودگي آب ها، آشكار كردن منابع زيرزميني و پيش بيني آب و هواست.
در اين نوع كاربردها ، تصاوير ارسال شده از ماهواره و تصاوير هوايي به كمك روش هاي بازشناسي الگو تفسير مي شوند
سيستمهاي OCR از لحاظ نوع الگوي ورودي به دو گروه تقسيم میشوند:
سيستمهاي بازشناسي متون چاپي
سيستمهاي بازشناسي متون دستنويس
از لحاظ نحوه ورود اطلاعات، سيستمهاي OCR به دو دستة تقسيم مي شود
سيستمهاي بر خط
سيستمهاي برون خط
تعریف سیستم برخط
در بازشناسي برخط، حروف در همان زمان نگارش توسط سيستم تشخيص داده ميشوند. دستگاه ورودي اين سيستمها يك قلم نوري است.
در اين روش علاوه بر اطلاعات مربوط به موقعيت قلم، اطلاعات زماني مربوط به مسير قلم نيز در اختيار است. اين اطلاعات معمو ً لا توسط يك صفحة رقومي كننده اخذ مي شوند.
در اين روش مي توان از اطلاعات زماني سرعت، شتاب، فشار و زمان برداشتن و گذاشتن قلم روي صفحه در بازشناسي استفاده كرد.
و....