totop

آشنایی با متلب ( پردازش تصویر- بخش ششم)یکشنبه 07, ژوئن 2020

آموزش متلب در همیارپروژه

آشنایی با محیط Matlab

در ادامه آموزش های سایت همیارپروژه برنامه نویسی متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما کدنویسی در نرم افزار متلب را یاد خواهیم داد. با ما همراه باشید.

انجام پروژه متلب

پردازش تصویر در متلب:

نویز در تصویر در متلب:

در این بخش ما به دو نویز salt&pepper و نویز speckle خواهیم پرداخت , که این دو نویز با عناوین نویز نمک و فلفل و خال می باشند.

نویز salt& pepper :

این دستورپیکسل های صفر و یک ( روشن و خاموش) , (نویز نمک و فلفل) را به تصویر زیر اضافه می نماید و این پیکسل های صفر و یک را با تراکم و فشردگی مقدار D , که به عبارتی بر روی پیکسل های تصویر تاثیر می گذارد ( تعداد کل پیکسل ها * D ) که هر اندازه مقدار این D بزرگتر باشد , نویز تصویر نیز بیشتر می شود و به طور پیش فرض مقدار آن ۰٫۰۵ می باشد.

نویز  speckle

این نوع نویز از یک معادله استفاده می نماید.

که n یک عدد تصادفی که به طور یکنواخت توزیع می شود با میانگین صفر و واریانس V , که مقدار واریانس به طور پیش فرض ۰٫۰۴ می باشد.

حذف نویز در متلب:

توسط تابع medfit2 می توان نویز های اضافه شده به یک تصویر را حذف نمود

که در کد نویسی فوق a همان تصویر نویز دار می باشد و [m  n] یک همسایگی اطراف پیکسل مربوطه در تصویر ورودی می باشد, که پیکسل خروجی شامل متوسط مقدار در همسایگی m-by-n اطراف پیکسل ورودی می باشد که به طور پیش فرض این همسایگی ۳-by-3 می باشد.

که این تابع لایه گذاری می کند , تصویر ورودی را با گذاشتن صفر روی لبه ها همچنین متوسط مقدار برای نقاط درون [m   n]/2 از لبه ها محاسبه می کند.

آشکار سازی لبه در متلب

آشکار سازی لبه یکی از مفاهیم پردازش تصویر است. هدف آشکار سازی لبه نشان گذاری نقاطی از یک تصویر است که در آنها شدت روشنایی به تندی تغییر می کند. تغییرات تند در خصوصیات تصویر معمولا نماینده ی رویدادهای مهم و تغییرات در خصوصیات محیط هستند. شناسایی لبه یک محدوده ی تحقیقاتی در پردازش تصویر و استخراج ویژگی است.

ویژگی های لبه در متلب

لبه ها ممکن است وابسته به دیدگاه باشند – یعنی می توانند با تغییر نقطه دید تغییر کنند, و نوعا هندسه صحنه, اجسامی که جلوی همدیگر را گرفته اند و مانند آن را نشان می دهند یا ممکن است نابسته به دیدگاه باشند که معمولا نمایانگر ویژگی های اجسام دیده شده همچون نشان گذاری ها و شکل سطح باشند. در دو بعد و بالاتر مفهوم تصویر باید در نظر گرفته شود.

یک لبه نوعی ممکن است ( برای نمونه) مرز میان یک بخش قرمز رنگ و یکبخش سیاه رنگ باشد, حال آنکه یک خط می تواند تواند تعداد کمی پیکسل های نا همرنگ در یک زمینه یکنواخت باشند. در هر سوی خط یک لبه وجود خواهد داشت. لبه ها نقش مهمی در کاربردهای پردازش تصویر دارند.

 

آشکارسازی لبه در متلب

لبه مرز بین نواحی با خواص نسبتا متفاوت سطح خاکستری است. نظریه ی پایه در بیشتر روش های آشکارسازی لبه, محاسبه یک عملگر مشتق محلی است. در این مقطع توجه شود که لبه ( گذر از تاریک به روشن) به صورت یک تغییر آرام, نه سریع , سطح خاکستری مدل می شود. این مدل نشان می دهد که معمولا لبه های تصاویر رقمی بر اثر نمونه برداری, کمی مات می شوند. مشتق اول مقطع سطح خاکستری در لبه جلویی گذر, مثبت است, در لبه عقبی آن منفی است و همانطور که مورد انتظار است, در نواحی با سطح خاکستری ثابت صفر است. مشتق دوم برای قسمتی از گذر که در طرف تیره لبه است, مثبت است, برای قسمت دیگر گذر که در طرف روشن لبه است, منفی است, و در نواحی با سطح خاکستری ثابت, صفر است.بنابراین, از بزرگی مشتق اول می توان برای تعیین این که آیا پیکسل در روی لبه قرار داد, استفاده کرد. مشتق دوم در نقطه وسطی هر گذر سطح خاکستری یک عبور از صفر دارد. عبور از صفرهای راهی قوی برای تعیین محل لبه های تصویر فراهم می آورند. اندازه ی مشتق اول تصویر در هر نقطه برابر

 

بزرگی گرادیان است. مشتق دوم نیز با استفاده از لاپلاسین به دست می آید. اگر یک لبه را به عنوان تغییر در شدت روشنایی که در طول چند پیکسل دیده می شود در نظر بگیریم, الگوریتم های آشکارسازی لبه به طور کلی مشتقی از این تغییر شدت روشنایی که در طول چند پیکسل دیده می شود در نظر بگیریم. الگوریتم های آشکار سازی لبه به طور کلی مشتقی از این تغییر شدت روشنایی را محاسبه می کنند. برای ساده سازی, به آشکار سازی لبه در یک بعد می پدازیم. در این نمونه, داده های ما می تواند یک تک خط از شدت روشنایی پیکسل ها باشد. برای نمونه بین پیکسل های چهارم و پنجم در داده های ۱ بعدی زیر به روشنی می توان لبه ای را آشکار کرد.

 

در اینجا آشنایی با محیط متلب بخش چهل و چهارم به پایان رسیده است و در آموزش های بعدی به مباحث دیگر آموزش متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای انجام پروژه متلب خود آموزش های ما را دنبال نمایید.

 

نویسنده: زهرا رستمی


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

حق نشر برای همیارپروژه ❤️ مرجع انجام پروژه دورکاری و آنلاین ✔️ سایت انجام پروژه و استخدام فریلنسر در همه حوزه ها ، مهارت ها ، نرم افزارها و پروژه های برنامه نویسی محفوظ است.