logo

Tasvirlarda raqamli ishlov berish algoritmi

Yuklangan vaqt:

12.08.2023

Ko'chirishlar soni:

0

Hajmi:

192.09375 KB
Mavzu:   Tasvirlarda raqamli ishlov berish
algoritmi
                                                     Reja:
1. Insonning vizual tizimining xususiyatlari
2. Matlabda raqamli tasvirlqrga ishlov berish
3. Rasm turlari
4. Tasvirlarni filtirlash                     Insonning vizual tizimining xususiyatlari
Ko'p   sonli   ma'lumotlar   statik   yoki   dinamik   tasvirlar   shaklida   taqdim
etiladi.   Keyinchalik   bu   tasvirlar   inson   tomonidan   ko'rib   chiqilib,   tahlil   qilinganligi
sababli, vizual  idrok mexanizmlarini bilish muhimdir.   Ushbu bilim turli xil tasvirlash
tizimlarini ishlab chiqishda kuchli vositadir.
E'tibor   bering,   yorug'likni   idrok   etishning   psixofizik   jihatlari   to'liq
o'rganilmagan.   Biroq,   inson   tomonidan   yorug'likni   vizual   idrok   etish   qonunlari   va
xususiyatlarini tushuntiradigan juda ko'p turli xil usul va yondashuvlar mavjud.
Inson  ko'zi  tashqi  sharoitlarga  mos ravishda moslashuvchan  sozlashni  ta'minlaydigan
noyob mexanizmdir.
Insonning   vizual   tizimining   ba'zi   asosiy   xususiyatlarini   ko'rib   chiqing.   Vizual
tizimning   muhim   xususiyati   sezgirlikdir,   ya'ni.tashqi   o'zgarishlarga   javob   berish
qobiliyati.   Sezuvchanlik yuqori va pastki mutlaq chegaralar bilan tavsiflanadi.
Sezuvchanlikning bir necha xil turlari mavjud.   Yorug'lik sezgirligi ko'zning eng kichik
yorug'lik oqimiga javob berish xususiyatini tavsiflaydi.   Biroq, bu erda shuni ta'kidlash
kerakki, eng kichik yorug'lik oqimini tanib olish ehtimoli boshqa omillarga, masalan,
ko'rish burchagiga bog'liq.
Vizual   tizim   quvvat   jihatidan   teng   bo'lgan,   ammo   spektrning   turli   diapazonlaridan
chiqadigan nurlanishlarga turlicha javob beradi.   Bunday sezgirlik spektral deb ataladi.
Ko'zning   tasvirning   qo'shni   mintaqalari   yorqinligidagi   minimal   farqlarni   farqlash
qobiliyati   qarama-qarshi   sezgirlik   bilan   tavsiflanadi.   Shuningdek,   vizual   tizim   rang
ohangiga   turli   xil   sezgirlik   bilan   ajralib   turadi,   ya'ni.spektrning   turli   qismlaridan
chiqadigan   nurlanishlarga.   Vizual   tizim,   shuningdek,   ranglarning   to'yinganligiga
sezgirlik bilan ajralib turadi.
Vizual   tizimning   yuqoridagi   sezgirlik   turlari   doimiy   emas,   balki   ko'plab   omillarga,
xususan, yorug'lik sharoitlariga bog'liq.   Masalan, qorong'i xonadan yorug'likka o'tishda
ko'zning   fotosensitivligini   tiklash   uchun   biroz   vaqt   kerak   bo'ladi.   Ushbu   jarayon
ko'zning yorqinligi moslashuvi deb ataladi. Rangni   sezish   uchta   asosiy   xususiyat   bilan   tavsiflanadi   –   yorug'lik,   rang   ohangi   va
to'yinganlik.   Ranglarni tasniflash uchun rang bo'shliqlari ishlatiladi.
Vizual   tizimlarning   xususiyatlari   va   xususiyatlariga   asoslanib,   ranglarni   ko'rishning
turli xil modellari yaratiladi.   Ular orasida Frey tomonidan taklif qilingan rangni ko'rish
modelini   ta'kidlash   kerak.   Ushbu   modelning   o'ziga   xos   xususiyati   shundaki,   vizual
tizim   uchta   kanal   bilan   ifodalanadi,   ulardan   ikkitasi   xromani,   uchinchisi   yorqinlikni
tavsiflaydi.   Ushbu model rangni ko'rishning ko'plab xususiyatlariga eng mos keladi.
Matlab-da raqamli tasvirni qayta ishlash imkoniyatlari
Bugungi   kunga   kelib,   Matlab   tizimi,   xususan,   Image   Processing   Toolbox   dastur
to'plami   tasvirni   qayta   ishlash   usullarini   modellashtirish   va   tadqiq   qilish   uchun   eng
kuchli   vositadir.   U   tasvirni   qayta   ishlashning   eng   keng   tarqalgan   usullarini   amalga
oshiradigan   ko'plab   o'rnatilgan   funktsiyalarni   o'z   ichiga   oladi.   Image   Processing
Toolbox-ning asosiy xususiyatlarini ko'rib chiqing.
Geometrik tasvir o'zgarishlari
Geometrik   o'zgarishlarning   eng   keng   tarqalgan   funktsiyalari   orasida   tasvirni   kesish
(imcrop), o'lchamlarini o'zgartirish (imresize) va tasvirni aylantirish (imrotate) mavjud.
Kesishning mohiyati shundaki, imcrop xususiyati sichqoncha yordamida rasmning bir
qismini interaktiv ravishda kesib, yangi ko'rish oynasiga joylashtirish imkonini beradi.
L=imread('cameraman.tif');
imshow(L);
imcrop;
  Imresize tasvir o'lchamlarini o'zgartirish funktsiyasi maxsus interpolatsiya usullaridan 
foydalangan holda har qanday rasm turini o'lchamlarini o'zgartirishga imkon beradi.
 
Tasvirni qayta ishlash Asboblar qutisida tasvirni belgilangan burchakka aylantiradigan 
imrotate funktsiyasi mavjud.
L1=imrotate(L,35,'bicubic');
figure,imshow(L1)
 
Shunday qilib, yuqoridagi funktsiyalar sizga aylantirish, qismlarni kesish, 
masshtablash, ya'ni butun rasm qatori bilan ishlashga imkon beradi.
Tasvirni tahlil qilish
Tasvirlarning alohida elementlari bilan ishlash uchun imhist, impixel, mean2, corr2 va 
boshqalar kabi funktsiyalar qo'llaniladi.
Eng muhim xususiyatlardan biri bu imhist funktsiyasi yordamida qurilishi mumkin 
bo'lgan tasvirning piksel intensivligi qiymatlarini taqsimlash gistogrammasi. L=imread('cameraman.tif');
figure, imshow(L);
figure, imhist(L);
 
Ko'pincha, tasvirni tahlil qilishda ba'zi piksellarning intensivlik qiymatlarini aniqlash 
kerak bo'ladi.   Buning uchun impixel funktsiyasidan interaktiv ravishda 
foydalanishingiz mumkin.
>> impixel
ans =
 173 173 173
 169 169 169
 163 163 163
 39 39 39
Shuni ta'kidlash kerakki, impixel funktsiyasi o'z qobiliyatida ma'lum darajada Data 
Cursor variantini takrorlaydi, undan foydalanish misoli quyidagi rasmda saqlanadi.
  Keng qo'llaniladigan yana bir funktsiya – bu mean2 funktsiyasi-bu matritsa 
elementlarining o'rtacha qiymatini hisoblab chiqadi.
Corr2 funktsiyasi ikkita matritsa orasidagi korrelyatsiya koeffitsientini hisoblab 
chiqadi.   Boshqacha qilib aytganda, corr2 funktsiyasidan foydalanib, ikkita matritsa 
yoki tasvir bir-biriga qanchalik o'xshashligini aytish mumkin.   Ushbu funktsiya tanib 
olish muammolarini hal qilishda keng qo'llaniladi.
Rasm turlari
Raqamli tasvir va signallarni qayta ishlash dasturlarini modellashtirish va bajarish 
uchun o'rnatilgan muhitlar muhandislik va ilmiy hisob–kitoblar va ma'lumotlarni 
vizualizatsiya qilish uchun kuchli vositalarni o'z ichiga oladi.   Ko'pgina zamonaviy 
paketlar oqim sxemalariga asoslangan vizual dasturlashni qo'llab–quvvatlaydi.   Bu 
sizga dasturlash texnikasini bilmaydigan mutaxassislar uchun dasturlar yaratishga 
imkon beradi.   Bunday paketlarga MathWorks tomonidan ishlab chiqilgan MATLAB 
tizimining Image Processing Toolbox kiradi.   Ushbu to'plam kuchli tasvirni qayta 
ishlash vositalariga ega.   Ular ochiq arxitekturaga ega va raqamli signallarni qayta 
ishlash uskunalari bilan o'zaro aloqalarni tashkil qilish, shuningdek standart 
drayverlarni ulash imkonini beradi.
MATLAB tizimi va Image Processing Toolbox (IPT) dastur dasturi to'plami tasvirni 
qayta ishlash usullari va algoritmlarini ishlab chiqish, tadqiq qilish va modellashtirish 
uchun yaxshi vositadir.   Tasvirni qayta ishlash muammolarini hal qilishda IPT to'plami 
sizga ikki yo'l bilan borishga imkon beradi.   Ulardan birinchisi usullar va algoritmlarni 
mustaqil dasturiy amalga oshirishdan iborat.   Boshqa yo'l sizga tasvirni qayta 
ishlashning eng mashhur usullari va algoritmlarini amalga oshiradigan tayyor 
funktsiyalar yordamida muammoni hal qilishni modellashtirishga imkon beradi.   Ikkala 
usul ham oqlanadi.   Ammo shunga qaramay, tadqiqotchilar va tasvirni qayta ishlash 
usullari va algoritmlarini ishlab chiquvchilar uchun ikkinchi yo'l afzalroqdir.
Bu bunday dasturlarning moslashuvchanligi, barcha parametrlarni o'zgartirish 
qobiliyati bilan izohlanadi, bu tadqiqot, ishlab chiqish, tartibga solish parametri bilan 
aniqlash va hokazolarda juda muhimdir.har qanday tasvirni qayta ishlash 
muammolarini hal qilish uchun IPT paketining standart funktsiyalaridan 
foydalanishdan oldin, ishlab chiquvchi ularni mukammal o'rganishi kerak.   Buning   uchun u yoki bu funktsiya qaysi usulni va qaysi parametrlar bilan amalga 
oshirilishini aniq bilishi kerak.
Video ma'lumotlarini qayta ishlash muammosini hal qilishda ikkala yondashuvda ham 
tadqiqot ob'ekti tasvirdir.   Buning uchun IPT-da tasvirlarni taqdim etish xususiyatlarini 
qisqacha ko'rib chiqing.
Tasvirlar   vektor   va bitmapdir.   Vektorli-bu grafik ibtidoiylar to'plami sifatida 
tasvirlangan rasm.   Rastrli tasvirlar ikki o'lchovli massiv bo'lib, uning elementlari 
(piksellar) rang haqida ma'lumotni o'z ichiga oladi.   Raqamli ishlov berish bitmaplardan
foydalanadi.   Ular, o'z navbatida, turlarga bo'linadi -   ikkilik , 
yarim   tonna ,   palitra ,   to'liq   rang.
Ikkilik   tasvir elementlari faqat ikkita qiymatni olishi mumkin - 0 yoki 1.   Bunday 
tasvirlarning kelib chiqish tabiati juda xilma-xil bo'lishi mumkin.   Ammo aksariyat 
hollarda ular yarim tonli, palitrali yoki to'liq rangli tasvirlarni sobit yoki 
moslashuvchan chegara bilan binarizatsiya usullari bilan qayta ishlash natijasida 
olinadi.   Ikkilik tasvirlarning afzalligi shundaki, ular ma'lumotlarni uzatishda juda 
qulaydir.
Tasvirni filtrlash: tasvirni tekislash algoritmlari
Tasvirlarni tekislash tushunchasi ikki ma'noga ega.   Tasvir tizimi tomonidan kiritilgan 
signal buzilishlarini tuzatishda anti – aliasing – bu tasvirlash tizimining 
nomukammalligi bilan bog'liq shovqinlarni bostirish: qo'shimchalar, tebranishlar, 
impulslar va boshqalar.tasvirlarni ajratishda anti-aliasing-bu tasvirlardagi kerakli 
ob'ektlarni idrok etishga xalaqit beradigan tafsilotlarni (odatda kichik o'lchamdagi) 
yo'q qilish (tasvirni umumlashtirish deb ataladi).
Tasvir tizimi tomonidan yuzaga kelgan buzilishlarni tuzatishda tasvir tizimining 
chiqishidagi tasvir tekislanadi.   Tayyorgarlik paytida anti-aliasing har qanday 
tayyorgarlik bosqichidagi tasvirga uning bosqichlaridan biri sifatida qo'llanilishi 
mumkin.
Anti-aliasing tushunchasi har doim "mukammal silliq" signal haqida ba'zi fikrlarni 
anglatadi.   Bunday signal tekislashning maqsadi. Tasvirlar uchun bunday" mukammal silliq "signalni parcha-parcha doimiy model bilan 
tasvirlangan deb hisoblash mumkin, ya'ni.dog'lar bilan" patchwork " tasviri–har bir 
nuqta ichida doimiy signal qiymatiga ega bo'lgan tafsilotlar.   Darhaqiqat, tasvirni 
parcha-parcha doimiy model sifatida taqdim etish, ularning tavsifini yaratish uchun 
tasvirlarni tahlil qilishning asosiy maqsadi bo'lgan tasvir segmentatsiyasidan boshqa 
narsa emas.   Bir qarashda, bu faqat "batafsil" tasvirlarga tegishli bo'lib tuyulishi 
mumkin.   Ammo bu "teksturali" tasvirlar uchun ham amal qiladi, faqat bu holda u 
asosiy video signaliga emas, balki uning tuzilishini tavsiflovchi xususiyatiga ishora 
qiladi.
Anti-aliasing tushunchasi, shuningdek, anti-aliasing paytida nimani bostirish kerakligi 
haqidagi fikrni ham anglatadi.   Signalning bostirilgan qismini shovqin deb 
ataymiz.   Shovqinning eng xarakterli ikkita modeli – qo'shimchalar va impulslar uchun 
tekislash algoritmlarini ko'rib chiqing.
Qo'shimcha model uchun tekislash
Qo'shimcha shovqin modeli kuzatilgan signal foydali signal va shovqin yig'indisini 
anglatadi.   Qo'shimcha shovqinlarni tekislash uchun darajali algoritmlarni tasvirning 
doimiy modeli nuqtai nazaridan asoslash eng oson.   Ushbu yondashuv bilan 
yumshatishni ma'lum bir element tegishli bo'lgan Klaster parametrini baholash sifatida 
aniqlash mumkin.   Ushbu taxminni topish uchun Klaster chegaralarini aniqlash 
kerak.   Klaster chegaralarini aniqlashning ikkita usulini taklif qilish mumkin: adaptiv 
mod kvantlash [1, 2] va klasterni "o'stirish".
Adaptiv mod kvantlash shundan iboratki, tasvir signalining qiymatlarini taqsimlash 
gistogrammasi tahlil qilinadi (bu tasvir yorqinligi, fotonegativ zichligi yoki rasmda 
o'lchangan u yoki bu skalyar xususiyatning qiymatlari signali bo'lishi mumkin) va unda
mahalliy maksimallar orasidagi chegaralar topiladi.   Ushbu chegaralar kvantlash 
intervallarining chegaralari sifatida qaraladi va ma'lum bir oraliqda olingan rasmdagi 
signalning barcha qiymatlari ushbu oraliqdagi gistogrammaning maksimal (mod) 
holatiga teng qiymat bilan almashtiriladi (rasm).  
1). Shakl.   1.   Adaptiv mod kvantlash:   a   – video signal qiymatlarini taqsimlashning asl 
gistogrammasi;   b -adaptiv kvantlashdan keyingi gistogramma.
Adaptiv mod kvantlash sifati gistogramma rejimlari qanchalik yaxshi ajratilganiga 
bog'liq.   MODning "xiralashishi" darajasi tahlil qilish uchun tanlangan xususiyatga 
ko'ra rasmdagi ob'ektlarning bir xilligi darajasi bilan belgilanadi, ya'ni. tasvirning 
qismli doimiy modelga muvofiqligi darajasi, shuningdek tasvir buzilishlarining 
mavjudligi: video signal sensori shovqini, defokus va boshqalar.
Modlarning bo'linishini yaxshilash va adaptiv kvantlashning ishonchliligini oshirish 
uchun uni o'lchamlari tanlangan alohida bo'laklarda ishlab chiqarish tavsiya etiladi, 
shunda ular oz miqdordagi tasvir tafsilotlarini o'z ichiga oladi (ya'ni gistogrammada oz 
miqdordagi modlar bo'lishi uchun).   Bundan tashqari, video signal qiymatlari bo'yicha 
faqat qo'shni elementlardagi qiymatlardan bir oz farq qiladigan tasvir elementlarida 
qurilgan shartli taqsimot gistogrammasidan foydalanish yaxshi natijalar beradi 
[3].   Ruxsat etilgan farq darajasi priori bilan belgilanishi yoki rasmdagi video 
signalning mahalliy dispersiyasiga qarab avtomatik ravishda aniqlanishi mumkin.
Adaptiv kvantlash bilan rejimlar ajralib turishi mumkin, ularning maydoni, ya'ni.unga 
tegishli bo'lgan tasvir elementlari soni nisbatan kichik.   Rasmda bunday modlar odatda 
yanada kuchli modlarni tashkil etuvchi tasvir tafsilotlarining chegaralarini buzadigan 
tarqoq nuqtalar sifatida namoyon bo'ladi.   Shuning uchun, modlarning moslashuvchan 
kvantlanishini ularning kuchiga qarab ajratilgan rejimlarni rad etish bilan birlashtirish 
maqsadga muvofiqdir.   Agar gistogrammadagi modaning maydoni (uning kuchi) berilgan chegara qiymatidan 
kam bo'lsa, bu rejim qo'shni kuchliroq bilan birlashadi.
Modlarni moslashuvchan kvantlashda tasvir gistogrammasi yoki uning bo'laklarining 
barcha klasterlarining chegaralari aniqlanadi.   Sürgülü ishlov berishda, tahlil 
qilinayotgan qismning faqat bitta, Markaziy elementining ma'lum bir klasteriga tegishli
bo'lish to'g'risida qaror qabul qilish kerak bo'lganda, gistogrammaning barcha 
klasterlarining chegaralarini aniqlash juda ko'p vaqt talab qiladigan vazifadir.   Bunday 
hollarda klasterni "o'stirish" usuli kabi boshqa oddiy usullar qo'llaniladi.
Impulsli shovqin modeli uchun tekislash
Impulsli shovqin modeli ma'lum bir ehtimollik bilan signal elementi tasodifiy 
o'zgaruvchi bilan almashtirilishini taklif qiladi.   Impulsli shovqinni yumshatish, 
shubhasiz, buzilgan signal elementlarini aniqlashni va keyinchalik ularning 
qiymatlarini buzilmagan elementlarning qiymatlari bo'yicha baholashni talab 
qiladi.   Umuman olganda, impulsli shovqinlarni yumshatish algoritmlari birinchi 
o'tishda buzilgan elementlarni belgilash va ikkinchi o'tishda ularning tekislangan 
qiymatlarini baholash bilan ikki tomonlama bo'lishi kerak.   Ammo soddalashtirish 
uchun siz bitta o'tish joyida aniqlash va baholash operatsiyalarini birlashtirib, bitta 
o'tish algoritmini qilishingiz mumkin.
Tasvir elementlarini shovqin bilan buzilgan va buzilmaganlarga belgilash (shovqin 
chiqindilarini aniqlash) ba'zi bir mahalliy mahallaning Markaziy elementining  
boshqa mahalla elementlarining aksariyati bilan bir xil namunaga tegishli ekanligi 
haqidagi gipotezani tekshirish yoki uni ushbu namunadan chiqarib tashlash asosida 
amalga oshirilishi mumkin.   Bu matematik statistikaning odatiy muammosi bo'lib, uni 
hal qilish uchun odatda daraja statistikasiga asoslangan algoritmlar tavsiya etiladi [3].
Berilgan mahalliy mahallaning Markaziy elementining boshqa mahalla 
elementlarining ko'pchiligidan namuna olish uchun tegishli ekanligi haqidagi 
gipotezani sinab ko'rishning eng oddiy usuli   bu ovoz berishdir, ya'ni   .tasvir 
elementiga impulsli shovqin paydo bo'lish ehtimoliga qarab berilgan medianing 
mahallasi darajasiga kirishni tekshirish. Agar
,
keyin shovqin yo'qligi to'g'risida qaror qabul qilinadi, aks holda   (k, l)   element shovqin 
bilan buzilgan deb belgilanadi.   Shovqinni aniqlashning ushbu usuli impuls aralashuvi, 
qoida tariqasida, haddan tashqari qiymatlarni qabul qiladi.   E'tibor bering, daraja 
elementning ushbu namunaga tegishli ekanligi haqidagi gipotezani sinash mezoni 
sifatida Wilcoxon mezonining alohida holati bo'lib, u bir xil taqsimot qonuniga ega 
bo'lgan ikkita namuna o'rtasida siljish mavjudligini tekshiradi.
Проверку гипотезы о наличии или отсутствии выброса помехи в центральном 
элементе   S –окрестности можно производить также путем сравнения не по его 
рангу, а по его значению.
Eshik   bir vaqtning o'zida butun rasm uchun tanlanishi mumkin, ammo u signal 
qiymatlarining mahalliy tarqalishiga qarab moslashuvchan ravishda sozlanishi 
mumkin.   Mahalliy tarqalishni baholash sifatida, masalan, mahalladagi 
kvazirazmalardan foydalanish mumkin :
,
ma'lumki, namunadagi qiymatlarning tarqalishini taqsimlashga chidamli baholash.
Aniqlash bosqichidan so'ng, impulsli shovqin emissiyasi sifatida belgilangan tasvir 
elementlari ularning bahosi bilan almashtirilishi kerak.   Baholash sifatida siz ushbu 
elementlarning atrofini u yoki bu tekislash natijasida olingan qiymatlardan 
foydalanishingiz mumkin va shovqin chiqindilari aniqlanganda qayd etilgan elementlar
ushbu mahalladan chiqarib tashlanadi.
Shunday qilib, impulsli shovqinni yumshatish algoritmi quyidagicha ifodalanishi 
mumkin:
bu erda   SMTH (M)   ba'zi mahallalarda tekislashni anglatadi   M , undan tuzatiladigan 
nuqtalar chiqarib tashlanadi. Impulsli shovqinlarni yumshatishda xarakterli bo'lgan narsa-bu noto'g'ri aniqlash 
xatolari, bu tasvir tafsilotlarini istalmagan tekislashga olib keladi va tasvirda uyg'un 
bo'lmagan shovqinlarni qoldirishi mumkin bo'lgan o'tkazib yuborilgan xatolar.   Ushbu 
xatolarning ulushi chegaralarga bog'liq: chegaralarning oshishi bilan soxta 
aniqlanishlarning ulushi pasayadi va o'tkazib yuborilganlarning ulushi ortadi.   Shuni 
yodda tutish kerakki,   s –mahallasida bitta emas, balki bir nechta katta shovqin 
emissiyasi bo'lishi mumkinligi sababli yolg'on aniqlash va o'tkazib yuborish soni ham 
ko'paymoqda.   Shuning uchun, impuls shovqinini yumshatish sifatini oshirish uchun 
uni yuqori chegara qiymatlaridan boshlab va katta shovqin chiqindilari olib 
tashlanganligi sababli, har bir iteratsiyada chegaralarni pasaytirib, takroriy ravishda 
bajarish maqsadga muvofiqdir.
.

Mavzu: Tasvirlarda raqamli ishlov berish algoritmi Reja: 1. Insonning vizual tizimining xususiyatlari 2. Matlabda raqamli tasvirlqrga ishlov berish 3. Rasm turlari 4. Tasvirlarni filtirlash

Insonning vizual tizimining xususiyatlari Ko'p sonli ma'lumotlar statik yoki dinamik tasvirlar shaklida taqdim etiladi. Keyinchalik bu tasvirlar inson tomonidan ko'rib chiqilib, tahlil qilinganligi sababli, vizual idrok mexanizmlarini bilish muhimdir. Ushbu bilim turli xil tasvirlash tizimlarini ishlab chiqishda kuchli vositadir. E'tibor bering, yorug'likni idrok etishning psixofizik jihatlari to'liq o'rganilmagan. Biroq, inson tomonidan yorug'likni vizual idrok etish qonunlari va xususiyatlarini tushuntiradigan juda ko'p turli xil usul va yondashuvlar mavjud. Inson ko'zi tashqi sharoitlarga mos ravishda moslashuvchan sozlashni ta'minlaydigan noyob mexanizmdir. Insonning vizual tizimining ba'zi asosiy xususiyatlarini ko'rib chiqing. Vizual tizimning muhim xususiyati sezgirlikdir, ya'ni.tashqi o'zgarishlarga javob berish qobiliyati. Sezuvchanlik yuqori va pastki mutlaq chegaralar bilan tavsiflanadi. Sezuvchanlikning bir necha xil turlari mavjud. Yorug'lik sezgirligi ko'zning eng kichik yorug'lik oqimiga javob berish xususiyatini tavsiflaydi. Biroq, bu erda shuni ta'kidlash kerakki, eng kichik yorug'lik oqimini tanib olish ehtimoli boshqa omillarga, masalan, ko'rish burchagiga bog'liq. Vizual tizim quvvat jihatidan teng bo'lgan, ammo spektrning turli diapazonlaridan chiqadigan nurlanishlarga turlicha javob beradi. Bunday sezgirlik spektral deb ataladi. Ko'zning tasvirning qo'shni mintaqalari yorqinligidagi minimal farqlarni farqlash qobiliyati qarama-qarshi sezgirlik bilan tavsiflanadi. Shuningdek, vizual tizim rang ohangiga turli xil sezgirlik bilan ajralib turadi, ya'ni.spektrning turli qismlaridan chiqadigan nurlanishlarga. Vizual tizim, shuningdek, ranglarning to'yinganligiga sezgirlik bilan ajralib turadi. Vizual tizimning yuqoridagi sezgirlik turlari doimiy emas, balki ko'plab omillarga, xususan, yorug'lik sharoitlariga bog'liq. Masalan, qorong'i xonadan yorug'likka o'tishda ko'zning fotosensitivligini tiklash uchun biroz vaqt kerak bo'ladi. Ushbu jarayon ko'zning yorqinligi moslashuvi deb ataladi.

Rangni sezish uchta asosiy xususiyat bilan tavsiflanadi – yorug'lik, rang ohangi va to'yinganlik. Ranglarni tasniflash uchun rang bo'shliqlari ishlatiladi. Vizual tizimlarning xususiyatlari va xususiyatlariga asoslanib, ranglarni ko'rishning turli xil modellari yaratiladi. Ular orasida Frey tomonidan taklif qilingan rangni ko'rish modelini ta'kidlash kerak. Ushbu modelning o'ziga xos xususiyati shundaki, vizual tizim uchta kanal bilan ifodalanadi, ulardan ikkitasi xromani, uchinchisi yorqinlikni tavsiflaydi. Ushbu model rangni ko'rishning ko'plab xususiyatlariga eng mos keladi. Matlab-da raqamli tasvirni qayta ishlash imkoniyatlari Bugungi kunga kelib, Matlab tizimi, xususan, Image Processing Toolbox dastur to'plami tasvirni qayta ishlash usullarini modellashtirish va tadqiq qilish uchun eng kuchli vositadir. U tasvirni qayta ishlashning eng keng tarqalgan usullarini amalga oshiradigan ko'plab o'rnatilgan funktsiyalarni o'z ichiga oladi. Image Processing Toolbox-ning asosiy xususiyatlarini ko'rib chiqing. Geometrik tasvir o'zgarishlari Geometrik o'zgarishlarning eng keng tarqalgan funktsiyalari orasida tasvirni kesish (imcrop), o'lchamlarini o'zgartirish (imresize) va tasvirni aylantirish (imrotate) mavjud. Kesishning mohiyati shundaki, imcrop xususiyati sichqoncha yordamida rasmning bir qismini interaktiv ravishda kesib, yangi ko'rish oynasiga joylashtirish imkonini beradi. L=imread('cameraman.tif'); imshow(L); imcrop;

Imresize tasvir o'lchamlarini o'zgartirish funktsiyasi maxsus interpolatsiya usullaridan foydalangan holda har qanday rasm turini o'lchamlarini o'zgartirishga imkon beradi. Tasvirni qayta ishlash Asboblar qutisida tasvirni belgilangan burchakka aylantiradigan imrotate funktsiyasi mavjud. L1=imrotate(L,35,'bicubic'); figure,imshow(L1) Shunday qilib, yuqoridagi funktsiyalar sizga aylantirish, qismlarni kesish, masshtablash, ya'ni butun rasm qatori bilan ishlashga imkon beradi. Tasvirni tahlil qilish Tasvirlarning alohida elementlari bilan ishlash uchun imhist, impixel, mean2, corr2 va boshqalar kabi funktsiyalar qo'llaniladi. Eng muhim xususiyatlardan biri bu imhist funktsiyasi yordamida qurilishi mumkin bo'lgan tasvirning piksel intensivligi qiymatlarini taqsimlash gistogrammasi.

L=imread('cameraman.tif'); figure, imshow(L); figure, imhist(L); Ko'pincha, tasvirni tahlil qilishda ba'zi piksellarning intensivlik qiymatlarini aniqlash kerak bo'ladi. Buning uchun impixel funktsiyasidan interaktiv ravishda foydalanishingiz mumkin. >> impixel ans = 173 173 173 169 169 169 163 163 163 39 39 39 Shuni ta'kidlash kerakki, impixel funktsiyasi o'z qobiliyatida ma'lum darajada Data Cursor variantini takrorlaydi, undan foydalanish misoli quyidagi rasmda saqlanadi.