به سایت کارآموزان خوش آمدید

جستجو
Generic filters

پردازش تصویر در متلب

پیش نمایش دوره آموزشی

Matlab image processing

پردازش تصویر در متلب

مدت زمان کل آموزش: 377 دقیقه
هزینه بسته کامل: 250 هزار تومان

محتوای بسته آموزشی شامل:

  • مقدمه 91 مگابایت – 43 دقیقه
  • ایجاد تصویر تصادفی 250 مگابایت – 37 دقیقه
  • فراخوانی تصویر  158 مگابایت – 35 دقیقه
  • هیستوگرام 178 مگابایت – 44 دقیقه
  • بخش‌بندی تصویر 204 مگابایت – 41 دقیقه
  • شدت روشنایی1- 334 مگابایت – 75 دقیقه
  • شدت روشنایی 2- 422 مگابایت – 77 دقیقه
  • شدت روشنایی 3- 162 مکابایت – 25 دقیقه
  • فایل زیپ: کدهای متلب  و پاور پوینت – 15 مگابایت
ایجاد یک تصویر دلخواه تصادفی در متلب: یک تصویر سیاه وسفید در نرم افزار متلب در واقع یک ماتریس از اعداد است به کمک دستور rand می‌توان ماتریسی با مولفه‌های تصادفی در بازه صفر تا یک با ابعاد دلخواه تولید نمود با استفاده از دستور imshow می‌توان این ماتریس را به شکل تصویر سیاه و سفید نمایش داد. با افزودن بعد سوم به ماتریس، یک تنسور خواهیم داشت که می‌تواند به تولید یک تصویر رنگی بیانجامد. دقت در کلاس اعداد تولیدی می‌تواند به کاهش حجم تصویر بدون کاهش کیفیت آن کمک نماید تبدیل این ماتریس از کلاس double به کلاس uint8 به میزان 8 برابر حافظه اشغالی را کاهش می‌دهد.
فراخوانی تصویر در متلب: تصاویر به دو دسته عمده تصاویر پکسلی و برداری تقسیم می‌شوند تصاویر پیکسلی با پسوندهای مختلف از قبیل jpeg، jpg، png، tif و bmp دارای خصوصیات و ویژگی‌های مختلفی هستند نرم افزار متلب یک تصویر را به کمک دستور imread از پوشه مد نظر فراخوانی و در کلاس uint8 در محیط متلب به شکل یک تنسور در اختیار قرار می‌دهد. این تصویر را می‌توان با پسوند دلخواه دیگری در پوشه‌ای دلخواه ذخیره‌سازی نمود دستور imwrite امکان ذخیره‌سازی تصاویر را با پسوندهای مختلف فراهم می‌کند.
ترسیم هستوگرام تصویر در متلب: پس از فراخوانی تصویر در متلب می‌توان کانال‌های رنگی قرمز، سبز و آبی را به شکل جداگانه ترسیم نمود به کمک دستور imhist یک ترسیم از فراوانی شدت رنگ‌ها در هر کانال در دسترس است دستور rgb2gray یک تصویر خاکستری از تصویر رنگی را برای کاربردهای خاص در اختیار قرار می‌دهد.
برش، مونتاژ و بزرگ-کوچک نمایی تصویر در متلب: پس از فراخوانی تصویر در متلب می‌توان بخشی از تصویر را در شکلی جداگانه ترسیم نمود بخش دلخواهی از تصویر را به کمک دستور impixel انتخاب و از تصویر اصلی جداسازی نمود از دستور montage برای کنار هم قرار دادن تصویر می توان بهره برد همچنین به کمک یک ماتریس تجمیعی می‌توان چیدمان دلخواهی از تصاویر هم سایز کنار یکدیگر را ایجاد نمود با افزودن سطر و ستون‌های صفر کنار هر یک از تصاویر می‌توان تصویر را کادرگذاری نمود. دستور imresize تصویر مورد نظر به میزان دلخواه کوچک و یا بزرگ‌سازی می‌نماید.
تبدیل شدت و فیلترینگ فضایی روی تصاویر:
در این بخش می خواهیم به دست‌کاری مستقیم روی تصاویر بپردازیم. به طور کلی دست‌کاری یک تصویر به معنی انجام تبدیل T به صورت زیر روی پیکسل­های آن تصویر است:
تبدیل شدت روشنایی تصویر: کنتراست تصویر به تفاضل بیشترین روشنایی و کمترین روشنایی پیکسل‌ها در یک تصویر اشاره دارد. به موضوع دست‌کاری شدت روشنایی پیکسل‌های یک تصویر، تبدیل شدت روشنایی گفته می‌شود تبدیلات متعددی در این حوزه وجود دارد که معروف‌ترین آنها شامل تبدیل تاریک و روشن‌سازی، تبدیل منفی، تبدیل لگاریتمی، تبدیل توانی، تبدیل پاره – خطی و تبدیل آستانه‌ای هستند.مسئله بهبود کیفیت تصویر به کمک این تبدیلات می‌تواند دنبال شود.
تبدیل توانی: به راحتی می‌توان شدت روشنایی پیکسل‌های تصویر را در بازه صفر تا یک معرفی کرد اینکار با تقسیم تک‌تک پیکسل‌های روشنایی بر بیشینه روشنایی تصویر انجام داد.از نظر ریاضی یک عدد بین صفر و یک در صورتی که به توان یک عدد بزرگتر از یک برسد کوچکتر شده و در صورتی که به توان یک عدد کوچکتر از یک برسد بزرگتر می‌شود از این مسئله در تنظیم شدت روشنایی و تاریک و روشن‌سازی آن می‌توان بهره برد
تبدیل شدت آستانه‌ای: در این تبدیل می‌توان پیکسل­ های با سطح روشنایی بالاتر از یک سطح آستانه­ مشخص را از پیکسل­ های با سطح روشنایی پائین‌تر از آن سطح آستانه متمایز نمود این روش تبدیل شدت روشنایی در مباحث مهندسی پزشکی که ناحیه خاصی از تصویر نیاز به برجسته سازی دارد کاربرد دارد به عنوان مثال می‌توان در افزایش کنتراست رگ‌های خون رسان در تصاویر شبکیه چشم مورد استفاده قرار داد.
دستور imadjust: دستور imadjust متلب یک تبدیل پاره – خطی و بعضا غیر خطی را در اختیار می گذارد که به کمک آن می‌توان کنتراست تصاویر با کیفیت پائین را ارتقا بخشید این دستور به نوعی امکانات سه تبدیل پاره‌ای-خطی، توان و منفی را در اختیار قرار می‌دهد. این دستور بر روی تصاویر رنگی و خاکستری قابل اعمال است. تبدیل مبتنی بر آستانه‌گذاری در مباحث پردازش تصاویر پزشکی بسیار حائز اهمیت است به عنوان مثال در تشخیص و برجسته‌سازی رگ‌ها در تصاویر شبکیه چشم کاربرد دارد.