Цифровая обработка изображений

Цифровая обработка изображения — это использование компьютерных алгоритмов для осуществления обработки цифровых изображений. Как подкатегория или область цифровой обработки сигналов, цифровая обработка изображения имеет много преимуществ перед аналоговой обработкой. Она позволяет применять много более широкий ряд алгоритмов к входным данным и избежать проблем, таких как внутренние шумы и искажения сигнала в процессе обработки. Поскольку изображения определяются как двухмерные (или выше), цифровая обработка изображения может быть промоделирована в виде многомерных систем.

История

Многие техники цифровой обработки изображения или обработка цифровых изображений были разработаны в 1960-х годах в Лаборатории реактивного движения, Массачусетском технологическом институте, Лабораториях Белла, Мэрилендском университете и нескольких других исследовательских центрах с приложениями для спутниковой фотосъёмки, преобразования к стандартам фототелеграфа, медицинской визуализации, видеотелефонии, распознавании символов и улучшения фотографий. Цена обработки для оборудования того времени была, однако, высокой. Ситуация изменилась в 1970-х годах, когда распространилась цифровая обработка изображения в результате того, что стали доступными дешёвые компьютеры и выделенное оборудование. Затем появилась возможность обрабатывать изображения в реальном времени для некоторых задач, таких как преобразование телевизионных стандартов. Когда компьютеры общего назначения стали быстрее, они начали принимать роль выделенного оборудования почти для всех специализированных операций и операций, требующих больших затрат ресурсов компьютера. С быстрыми компьютерами и обработкой сигналов, ставшими доступными в 2000-х годах, цифровая обработка изображения стала наиболее общей формой обработки изображения и, в общем случае, используется не только потому, что она даёт наиболее гибкие методы, но и потому, что это дешевле.

Технология цифровой обработки изображения для медицинских приложений попала в зал славы Космического фонда США по космическим технологиям в 1994.

Задачи

Цифровая обработка изображения позволяет применение существенно более сложных алгоритмов, а следовательно, может дать как большую производительность на простых задачах, так и реализовывать методы, которые были бы невозможны при аналоговой реализации.

В частности, цифровая обработка изображения является единственной практичной технологией для:

• классификации
• выделения признаков
• обработки сигналов
• распознавания образов
• проецирования

Некоторые техники, которые используются в цифровой обработке изображения:

• Анизоторопная диффузия
• Скрытые марковские модели
• Редактирование изображений
• Восстановление изображения
• Анализ независимых компонент
• Линейная фильтрация
• Нейронные сети
• Дифференциальные уравнения в частных производных
• Пикселизация
• Метод главных компонент
• Самоорганизующиеся карты Кохонена
• Вейвлеты

Преобразование цифрового изображения

Фильтрация

Цифровые фильтры используются для размывания и увеличения резкости цифровых изображений. Фильтрация может быть осуществлена в пространственной области путём свёртки со специально разработанными ядрами (массивами фильтрации) или в частотной области (Фурье) путём отсеивания определённых областей частот. Следующие примеры показывают оба метода :

Тип фильтра	Ядро или маска	Пример
Исходное изображение	${\begin{bmatrix}0&0&0\\0&1&0\\0&0&0\end{bmatrix}}$
Пространственный фильтр нижних частот	${\frac {1}{9}}\times {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}$
Пространственный фильтр верхних частот	${\begin{bmatrix}0&-1&0\\-1&4&-1\\0&-1&0\end{bmatrix}}$
Представление Фурье	Псевдокод: image = шахматная_доска F = Преобразование Фурье изображения Показать изображение: log(1+Absolute Value(F))
Фильтр Фурье нижних частот
Фильтр Фурье верхних частот

Отступы изображения при фильтрации Фурье области

К изображениям обычно добавляется отступ перед преобразованием в Фурье-пространство. Отфильтрованные по верхним частотам изображения ниже иллюстрируют результат различных техник отступа:

Добавление нулей	Отступ путём повторения рёбер

Заметим, сто фильтр показывает дополнительные рёбра в случае добавления нулей.

Примеры кода фильтрации

Пример MATLAB для пространственной фильтрации области по верхним частотам.

img=checkerboard(20);                           % generate checkerboard
% ****************  SPATIAL DOMAIN  ******************
klaplace=[0 -1 0; -1 5 -1;  0 -1 0];             % Laplacian filter kernel
X=conv2(img,klaplace);                          % convolve test img with
                                                % 3x3 Laplacian kernel
figure()
imshow(X,[])                                    % show Laplacian filtered 
title('Laplacian Edge Detection')

Аффинные преобразования

Аффинные преобразования дают возможность осуществлять базовые преобразования изображений, такие как изменение пропорции, вращение, перенос, зеркальное отражение и косой сдвиг как показано на примерах ниже:

Название преобразования	Аффинная матрица	Пример
Тождественное преобразование	${\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix}}$
Отражение	${\begin{bmatrix}-1&0&0\\0&1&0\\0&0&1\end{bmatrix}}$
Изменение пропорций	${\begin{bmatrix}c_{x}=2&0&0\\0&c_{y}=1&0\\0&0&1\end{bmatrix}}$
Вращение	${\begin{bmatrix}\cos(\theta )&\sin(\theta )&0\\-\sin(\theta )&\cos(\theta )&0\\0&0&1\end{bmatrix}}$	где $\theta ={\tfrac {\pi }{6}}=30^{\circ }$
Косой сдвиг	${\begin{bmatrix}1&c_{x}=0.5&0\\c_{y}=0&1&0\\0&0&1\end{bmatrix}}$

Приложения

Подробное рассмотрение темы: Цифровое формирование изображения и Компьютерное зрение

Изображения цифровой камеры

Цифровые камеры обычно включают специализированные аппаратные средства цифровой обработки изображения – либо отдельные микросхемы, либо путём добавления цепей в другие микросхемы – для преобразования сырых данных от фотоматрицы в откорректированное по цвету изображение в стандартном формате файле изображения.

Фильмы

Западный мир (1973) был первым художественным фильмом с использованием цифровой обработки изображения для пикселизации фотографии с целью промоделировать зрение андроида .

См. также

• Компьютерная графика
• Компьютерное зрение
• CVIPtools
• Оцифровка
• GPGPU
• Гомоморфная фильтрация
• Анализ изображений
• Ассоциация интеллектуальных информационных систем IEEE
• Многомерные системы
• Программное обеспечение дистанционного обследования
• Стандартное тестовое изображение
• Свервысокое разрешение

Литература для дальнейшего чтения

• Solomon C.J., Breckon T.P. Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. — Wiley-Blackwell, 2010. — ISBN 978-0470844731. — doi:10.1002/9780470689776.
• Wilhelm Burger, Mark J. Burge. Digital Image Processing: An Algorithmic Approach Using Java. — Springer, 2007. — ISBN 978-1-84628-379-6.
• Fisher R., Dawson-Howe K., Fitzgibbon A., Robertson C., Trucco E. Dictionary of Computer Vision and Image Processing. — John Wiley, 2005. — ISBN 978-0-470-01526-1.
• Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins. Digital Image Processing using MATLAB. — Pearson Education, 2004. — ISBN 978-81-7758-898-9.
• Tim Morris. Computer Vision and Image Processing. — Palgrave Macmillan, 2004. — ISBN 978-0-333-99451-1.
• Milan Sonka, Vaclav Hlavac, Roger Boyle. Image Processing, Analysis, and Machine Vision. — PWS Publishing, 1999. — ISBN 978-0-534-95393-5.
• Basim Alhadidi, Mohammad H. Zu'bi, Hussam N. Suleiman. Mammogram Breast Cancer Image Detection Using Image Processing Functions // Information Technology Journal. — 2007. — Т. 6, вып. 2. — С. 217–221. — doi:10.3923/itj.2007.217.221.

Ссылки

• Lectures on Image Processing, by Alan Peters. Vanderbilt University. Updated 7 January 2016.
• IPRG Open group related to image processing research resources
• Processing digital images with computer algorithms
• IPOL Open research journal on image processing with software and web demos.