بهترین نوع نور برای کارهای پردازش تصویر

فصلنامه دانش کشاورزی ، سال هجدهم، شماره 4 (پیاپی 72)

عنوان:
انتخاب بهترین منبع نوردهی برای کاربردهای بینایی ماشین


نویسنده(گان):
راضیه پوردربانی، حمیدرضا قاسم زاده، علی آقا گل زاده، حسین بهفر،

چکیده:
گرفتن تصویر با کیفیت بالا، اولین و مهمترین گام در کاربردهای بینایی ماشین است که نه تنها تابعی از ویژگیهای طیفی سطح شی است بلکه تابع توزیع طیفی نورپردازی و پاسخ طیفی دوربین عکسبرداری می باشد. از طرفی، نورپردازی ضعیف می تواند اثر تصنعی ایجاد کند، مثل سایه هایی که در تصویر بوجود می آید و باعث بوجود آمدن خطا در پردازش تصویر می شود. نورپردازی یکنواخت برای ایجاد تباین بین زمینه و موضوع حائز اهمیت است. هدف از این مطالعه، مقایسه منابع نور هالوژن، فلورسنت، LED و تابان، از لحاظ حساسیت به تغییرات ولتاژ و یکنواختی میدان دید دوربین بود. بهترین ولتاژ که در آن، تغییرات مقادیر RGB دارای کمترین تغییرات می باشند، در مورد هر چهار منبع با استفاده از روش آماری دانکن تعیین شد که برای منبع LED ولتاژ 10 ولت و برای سه منبع دیگر ولتاژ 130 ولت بدست آمد. سپس با استفاده از آزمون t، منابع LED و فلورسنت از نظر یکنواختی میدان دید دوربین با هم مقایسه شدند. ار آنجایی که منبع نور LED مقادیر واریانس کمتری نسبت به منبع فلورسنت دارا بود بنابراین در نهایت با توجه به تجزیه و تحلیل های آماری منبع نور LEDانتخاب شد.

کلیدواژگان:
بینایی ماشین ، پاسخ طیفی ، پردازش تصویری ، نورپردازی

لینک کوتاه به این صفحه:  

magiran.com/p618491

کتابخانه های پردازش تصویر

•  OpenCV

    10.0   9.6

  Open source computer vision. [BSD]

•  tesseract-ocr

   9.6  8.4

  An OCR engine. [Apache2]

•  VTK

   7.2  9.9

  Open-source, freely available software system for 3D computer graphics, image processing and visualization. [BSD]

•  OpenImageIO

    6.8   9.0

  Powerful image and texture wrangling library with support for a wide number of common lossy and RAW formats. [Modified BSD]

•  libvips

    6.7   9.4

  A fast image processing library with low memory needs. [LGPL] website

•  OpenEXR

    6.3   0.0

  Cross-platform library for high dynamic range imaging. [Modified BSDF]

•  Magick++

    5.9   6.2

  ImageMagick program interfaces for C++. [Apache2]

•  ITK

   5.7  9.6

  An open-source, cross-platform system for image analysis. [Apache2 from ITK 4.0]

•  VIGRA

    5.5   9.2

  A generic C++ computer vision library for image analysis. [MIT X11]

•  GD

    4.6  8.3

  GD Graphics Library, famously used in PHP for image loading/manipulation & thumbnail generation. [custom permissive license, requires mention in user docs] website

•  Video++

    4.4   3.4

  A C++14 high performance video and image processing library. [MIT]

•  CImg

    4.3   9.6

  A small, open source, C++ toolkit for image processing. [Own LGPL or GPL]

•  GDCM

   3.6  9.3

  Grassroots DICOM library.

•  CxImage

   3.3  0.0

  An image processing and conversion library to load, save, display, transform BMP, JPEG, GIF, PNG, TIFF, MNG, ICO, PCX, TGA, WMF, WBMP, JBG, J2K images. [zlib]

•  Boost.GIL

   2.5  0.0

  Generic Image Library.

•  FreeImage

   2.1  0.0

  An open source library that supports popular graphics image formats and others as needed by today's multimedia applications. [GPL2 or GPL3]

دیتابیس تصاویر جهت انالیز

Aerial photographs/satellite images.	Can you find your back yard? http://terraserver.microsoft.com
Astrophotography	Matt BenDaniel, Astrophotographer http://starmatt.com/photographer.html
Atlas Fotogr�fico OnLine	Colecciones fotogr�ficas con breves referencias para ayudar a quienes no conocen de estas �reas.  Ideal para estudiantes. Atlas de Hematolog�a On Line http://orbita.starmedia.com/~forobioq/atlashemato.html Atlas de Parasitolog�a On Line http://orbita.starmedia.com/~forobioq/atlasparasito.html Atlas de Nefrolog�a On Line http://orbita.starmedia.com/~forobioq/atlasedimento.html
BioImage DataBase	The aim of the BioImage Database project is to provide the general scientific community with a flexible and searchable database of multi-dimensional biological images.  www.bioimage.org
Biometrics	The Biometric Consortium, Research and Databases Face, Fingerprints, Handwriting, Voice www.biometrics.org/html/research.html
Brodatz Textures	http://www.ux.his.no/~tranden/brodatz.html
Color & Vision databases	efg's Color Reference Library:  Databases
Color Charts	efg's Color Reference Library:  Color Charts
Computer Vision Test Images	www.cs.cmu.edu/afs/cs/project/cil/ftp/html/v-images.html
Database of Faces	AT&T Research Labs, Cambridge, England  (formerly Olivetti Research Labs) www.uk.research.att.com/facedatabase.html  ftp://ftp.uk.research.att.com/pub/data/orl_faces.zip (~3.7 MB)  ftp://ftp.uk.research.att.com/pub/data/orl_faces.tar.Z (~4 MB)  See efg's Interactive PGMP5 "viewer" to display PGM files (P5 format) or the command-line utilityConvertFaces to convert PGM files of the Olivetti and Oracle Research Laboratory's Database of Faces (400 images) to BMP or JPG: PortableGrayMap.ZIP Faces of 16 people, 27 of each person under various conditions of illumination, scale, and head orientation. ftp://whitechapel.media.mit.edu/pub/images     faceimages.tar.Z  ftp://ftp.uk.research.att.com/pub/data/mit_faces.tar.Z (~5.7 MB)  The Yale Face Database (size 6.4MB) contains 165 grayscale images in GIF format of 15 individuals. There are 11 images per subject, one per different facial expression or configuration: center-light, w/glasses, happy, left-light, w/no glasses, normal, right-light, sad, sleepy, surprised, and wink. http://cvc.yale.edu/projects/yalefaces/yalefaces.html  AR Face Database This face database contains more than 130 people (around 70 males and 60 females). Everyone was asked to come twice to the Computer Vision Center, where the pictures were taken under strict controlled conditions. These two different sessions were separated in 14 days (two weeks time).  http://rvl1.ecn.purdue.edu/~aleix/aleix_face_DB.html See also Recognition in Algorithms for Face Recognition Home Page.
Demo Test Pattern Images	Various test patterns including DisplayMate Master Test Pattern, Color Scales, SMPTE Color Bars, Fine Dot Moire and Gray-Scale Test Pattern at various resolutions including 640 x 480, 800 x 600, and 1024 x 768 www.displaymate.com/patterns.html
Edmund Optics	Choosing the Correct Testing Target www.edmundoptics.com/techsupport/displayarticle.cfm?articleid=249&search=1  Test Targets www.edmundoptics.com/onlinecatalog/Browse.cfm?categoryid=289
Grain	Test images about wheat grains, corn, weed seeds, fragments of plants (stem, leaf, etc.), string-pea, barley.  http://physics2.kee.hu/baranyai/image.htm
Image Database	Carnegie Mellon www.ius.cs.cmu.edu/idb
IMINT Gallery	www.fas.org/irp/imint/index.html
Infrared Images	Thermology Image Gallery www.thermology.com/infrared.htm
Ishihara Test Charts	efg's Color Reference Library:  Color Blindness
Kodak	Kodak www.kodak.com/digitalImaging/samples/classic.shtml ftp://ftp.kodak.com/www/images/pcd
Knots	Database of Knots ftp://ftp.ee.oulu.fi/pub/tklab/KNOTS
LBNL Image Library	Lawrence Berkeley National Lab's Image Library http://www-itg.lbl.gov/ImgLib.project/homepage.html
Landsat 7	Landsat 7 scenes from Greece, Singapure and Israel. Browse and make false color composition with entire set of Landsat images.  www.inovagis.org
Mandrill Monkey	efg's Create Mandrill BMP Lab Report efg's Show Image Lab Report
NASA's Visible Earth	A searchable directory of images, visualizations, and animations of the Earth www.visibleearth.nasa.gov
NIST Special Databases and Software from the Visual Image Processing Group	ftp://sequoyah.ncsl.nist.gov/pub/databases/catalog.txt  Includes: - Binary Images of Handwritten Segmented Characters - 8-Bit Gray Scale Images of Fingerprint Image Groups OCR, Face/Mug Shot, Fingerprint www.itl.nist.gov/div894/vip/databases/defs/vip_dbases.html
NOAA	National Oceanic and Atmospheric Administration's Operational Significant Event Imagery Server.   High-resolution, detailed imagery of significant natural or anthropogenic environmental events that which are visible in remotely-sensed data  www.osei.noaa.gov/main5.html
Nyquist Chart	Using a Nyquist Chart to Evaluate Digital Camera Systems Part 1. www.photobit.com/Technology/White_Papers/Using_a_Nyquist_Chart_1/using_a_nyquist_chart_1.htm  Part 2.   www.photobit.com/Technology/White_Papers/Using_a_Nyquist_Chart_2/using_a_nyquist_chart_2.htm
Plants	Plants Gallery, U.S. Department of Agriculture  http://plants.usda.gov/gallery.html
Precicion  Optimal Imaging, Inc.	Test Charts www.precisionopticalimaging.com/standards/standards.asp?type=Test%20Charts  Resolution Standards www.precisionopticalimaging.com/standards/standards.asp?type=Resolution%20Standards
Scanner Calibration	Scanner Calibration Targets www.targets.coloraid.de
SinePatterns, LLC	PIMA/ISO Camera Resolution Chart PIMA/ISO Camera Contrast Chart IEEE Resolution Chart FBI SIQT Scanner Test Chart www.sinepatterns.com
Skeletal Gene Database	http://sgd.nia.nih.gov
SOFA	Sequences for Optical Flow Analysis (synthetic test sequences with full ground truth), Heriot-Watt University www.cee.hw.ac.uk/~mtc/sofa
Test Card Gallery	BBC Test Cards http://www.meldrum.co.uk/mhp/testcard/bbc_test.html  The Television Test Card www.test-cards.fsnet.co.uk
Test Patterns	Practical Handbook on Image Processing for Scientific Applications  p. 347-349
USC-SIPI Image Database	University of Southern California Signal and Image Processing Institute:  The USC-SIPI image database is a collection of digitized images, which is maintained primarily to support research in image processing, image analysis, and machine vision. The first edition of the USC-SIPI image database was distributed in 1977 and many new images have been added since then. Textures, high altitude aerial images, Lenna, baboon, other favorites, sequences (moving head, fly-overs, moving vehicles).  http://sipi.usc.edu/services/database/Database.html
Visible Human Project	www.nlm.nih.gov/research/visible
Vismod Imagery	MIT:  http://vismod.www.media.mit.edu/vismod/imagery/imagery.html
VisTex	Vision Texture (MIT):  100+ reference textures, texture scenes http://www-white.media.mit.edu/vismod/imagery/VisionTexture/vistex.html

برنامه و کتابخانه های مرتبط با پردازش تصویر

analySIS	Image Analyzing Software www.soft-imaging.de/eng/products/core_software/analysis/m_ana_e.php
Astra Image	PC based scientific image processing and restoration www.phasespace.com.au/astraimage
CDibImage	An MFC class framework to encapsulate Device Independent Bitmaps (DIBs) and Image Processing Support for loading of DIBs from file, resource and global memory. Both DIB and Jpeg support is included. Working area support including a user extensible architecture. Comprehensive filter matrices including 3*3, 5*5 and 7*7. User defined filter support. Comprehensive undo and redo support including end user adjustment of levels and description strings. Built in functions to convert between the RGB and HSL color spaces. www.naughter.com/dibimage.html
CREAM	CREAM for Windows is an image analysis software package intended and designed for work within biology.  www.mcm-design.dk/cream.htm
FMRIB Software	FSL is a comprehensive library of functional and structural brain image analysis tools. http://www.fmrib.ox.ac.uk/fsl
Free Image	FreeImage is an Open Source project for developers who would like to support popular graphics image formats like BMP, JPEG, TIFF, PNG, RAS, PNM, PCX, TGA in their C++ applications for Windows. http://home.wxs.nl/~flvdberg
GNU's Image Manipulation Program (GIMP)	www.gimp.org  www.xcf.berkeley.edu/~gimp/gimp.html Windows Version:  www.gimp.org/~tml/gimp/win32
GRASS	GRASS GIS (Geographic Resource Analysis Support System) is a Geographical Information System (GIS) with raster, topological vector, image processing, and graphics production functionality that operates in the UNIX environment through a graphical user interface and shell in X-Windows.    www.baylor.edu/~grass  www.geog.uni-hannover.de/grass
Igor Pro	Image Analysis:  IGOR Pro includes a number of sophisticated operations for image processing and image analysis. Currently, image operators are available for particle analysis, edge detection, region of interest (ROI) masking, histogram calculation and manipulation, morphology (erosion, dilation, watershed, etc.), rotation, threshold, and transformation. http://www.wavemetrics.com/Products/IGORPro/gallery/ImageAnalysis.html
Image Lab	Image Lab version 2.0 is a software package for scientific image analysis www.mcm-design.dk/imagelab.htm
ImageMagick	ImageMagickTM, version 4.2.9, is a robust collection of tools and libraries to read, write, and manipulate an image in any of the more popular image formats including GIF, JPEG, PNG, PDF, and Photo CD. With ImageMagick you can create GIFs dynamically making it suitable for Web applications.  www.imagemagick.org ImageMagick 5.2 is available via ftp as ftp://ftp.wizards.dupont.com/pub/ImageMagick/ImageMagick-5.2.0.tar.gz Other versions are available as ftp://ftp.wizards.dupont.com/pub/ImageMagick/linux/ ftp://ftp.wizards.dupont.com/pub/ImageMagick/nt/ ftp://ftp.wizards.dupont.com/pub/ImageMagick/mac/ ftp://ftp.wizards.dupont.com/pub/ImageMagick/vms/ Magic++ is a C++ object-oriented API to ImageMagick www.simplesystems.org/Magick++/index.html
Image Processing and Analysis in Java	http://rsb.info.nih.gov/ij
Image Processing Tool Kit	By the author of The Image Processing Handbook and his son http://reindeergraphics.com/iptk
ImageTools	Image Tools are a set of image manipulation programs based on the image tools from the San Diego Supercomputer Center. The strength of these tools is the support of many image formats, including:  bmp, bucgl, cur, eps, gif, hdf, ico, icon, iff, mpnt, pbm, pcx, pgm, pic, pict, pix, pnm, ppm, ps, ras, rgb, rla, rle, synu, tga, tiff, viff, x, xbm, xwd http://scv.bu.edu/~aarondf/Work/help/image_tools.html
ImgX for Visual Basic	ImgX is an ActiveX DLL that allows you to add powerful image manipulation to your Visual Basic applications.  www.designercontrols.com/ImgX/index.html
Intel Image Processing Library	http://developer.intel.com/vtune/perflibst/ipl
Java	Image Processing in Java www.rahul.net/jfm/sword.html
Java Imaging Utilities	JIU - The Java Imaging Utilities - An image processing library:  load, analyze, process and save pixel images.  http://jiu.sourceforge.net
KUIM	The KUIM image processing system was implemented at the University of Kansas to support teaching and basic image processing and computer vision research. The system consists of over 100 general purpose image analysis programs implemented in C. In addition, there are Java based graphical user interfaces for roughly 50 of these image processing programs which enable the user to adjust input parameters and see their effects on corresponding output images. The KUIM image file format and I/O libraries have been designed for ease of use and portability to a wide variety of machines (i.e. Sun, HP, Digital, Linux, Windows).  www.ittc.ku.edu/~jgauch/research/kuim/html
Links	Image Processing Toolkits www.cs.cmu.edu/~cil/v-source.html Computer Vision Source Code (look for Image Processing Toolkits) www.cs.cmu.edu/afs/cs/project/cil/ftp/html/txtv-source.html
MAGIC	"My Alternate Graphics and Image Code."  Magic provides free source code for solving problems that commonly arise in computer graphics and image analysis.  Image Analysis:  Element and Image Library, Binary Images, Gray Scale Images, Image Display.  www.magic-software.com  www.magic-software.com/ImageAnalysis.html
Microsoft Vision Technology	including Vision SDK 1.0 www.research.microsoft.com/research/vision
morph `logik	Morphological tools for Java advanced imaging www.morphlogik.com
NIH Image Home Page	Image can acquire, display, edit, enhance, analyze and animate images. It reads and writes TIFF, PICT, PICS and MacPaint files, providing compatibility with many other applications, including programs for scanning, processing, editing, publishing and analyzing images. It supports many standard image processing functions, including contrast enhancement, density profiling, smoothing, sharpening, edge detection, median filtering, and spatial convolution with user defined kernels. Image can be used to measure area, mean, centroid, perimeter, etc. of user defined regions of interest.  http://rsb.info.nih.gov/nih-image  Pascal source code for NIH Image V1.62: ftp://codon.nih.gov/pub/nih-image/source
Optimas	Optimas is for imaging professionals who need flexibility:  a way to easily prototype, then automate, image processing and analysis tasks.  (commercial product) www.optimas.com
OSIRIS	http://www.expasy.ch/www/UIN/html1/projects/osiris/DownloadOsiris.html
PaintLib	paintlib is a portable C++ class library for image manipulation. Images can be loaded from PNG, TGA, TIFF, JPEG, BMP, PCX and PICT files and saved in TIFF and JPEG formats. Image manipulation can be done either through filters implemented in filter classes or by directly accessing the bitmap bits. Full C++ source is provided.   www.paintlib.de/paintlib
Panorama Tools	Free Software to Create, Edit and Remap Panoramic Images www.fh-furtwangen.de/~dersch
Pickup	Image Processing System by Impuls GmbH www.impuls-imaging.com
PiXCL and geoPiXCL	Languages and Image Processing Libraries.  Powerful image acquistion, processing and display application scripting languages and EXE builders for Win9x/NT/2000, they include - programmable image acquisition from TWAIN scanners and digital cameras - all the commonly used point, geometric and colour space IP functions, including up to 15x15 filters - image histogram display and statistics export - resampling, rotation and geometric correction - image mosaic and transparent overlay operations - reads and writes 15 image formats - built-in, custom and Windows common dialogs - support for Automation servers using COM. - integer, floating point math and string functions - code editor with context sensitive help, sample code, Runtime EXE builder geoPiXCL adds geographic image options including - multispectral signature generation from training areas - parallelipiped and maximum likelyhood classifiers - principal components from signatures - Brovey transform (image merging) - additional file format import API's for the image processing, TWAIN, geographic imagery and language command extension libraries are available.  www.vysor.com
Pixopedia 24	Pixopedia 24 is shareware program for digital image processing www.sigmapi-design.com/ppindex.htm
PMIS	PMIS(r) Image Processing Software is a Windows-based PC application specifically developed to control scientific grade CCD cameras.  It also performs optimized high precision image display and analysis tasks.  www.gkrcc.com
Research Code and Image Processing Toolkits	Carnegie Mellon's Computer Vision Software page. Very useful links. www.cs.cmu.edu/~cil/v-source.html
SDC Morphology Toolbox for MATLAB	www.mmorph.com
SPIP	SPIP, the Scanning Probe Image Processor, is an image processing program designed with focus on characterization of SPM instruments and accurate quantification of image structures. Other instruments like interference microscopes, Profilometers and Scanning Electron Microscopes are also supported.  www.imagemet.com/spip/index.html
UTHSCSA ImageTool	UTHSCSA (University of Texas Health Science Center at San Antonio) ImageTool (IT) is a free image processing and analysis program for Microsoft Windows 95 or Windows NT. IT can acquire, display, edit, analyze, process, compress, save and print gray scale and color images.IT can read and write over 22 common file formats including BMP,PCX, TIF, GIF and JPEG. Image analysis functions include dimensional (distance, angle, perimeter, area) and gray scale measurements (point, line and area histogram with statistics). ImageTool supports standard image processing functions such as contrast manipulation, sharpening, smoothing, edge detection, median filtering and spatial convolutions with user-defined convolution masks. http://ddsdx.uthscsa.edu/dig/itdesc.html
VEGA	VEGA -- Universal Image Processing System The site is dedicated to a novel image processing system called "VEGA" and Project VEGA, which integrates: Research in the areas of nonlinear image filtering and image restoration Development of the original image processing algorithms in these areas Development of the universal image processing software system VEGA utilizing the original image processing algorithms and many useful and powerful classical algorithms. http://vega.0catch.com
VIPS/ip	VIPS (for VASARI Image Processing Software) is an image-processing library with some cool features. ip (pronounced eye-pee) is a user-interface for VIPS. VIPS runs on any Unix system (it uses GNU autoconf) and NT. ip only runs on Unix, but we hope to have an NT version some time in 2000. There's source for a half-done NT ip included in the vips-7.6 distribution. VIPS/ip has been used in the EU projects VASARI, MARC, VISEUM, ACOHIR and MUSA. It is also in use in a number of museums and galleries around the world for infra-red reflectogram mosaic assembly. It is distributed, with full source code, under the GPL. VIPS/ip is a highly optimized Unix image processing package and spreadsheet-like interface with a script language. Handles color spaces and images up to 2 GB particularly well. www.vips.ecs.soton.ac.uk/index.shtml
VSIPL	Vector Signal Image Processing Library www.vsipl.org

سایت در مورد دوربین و پردازش تصویر5

http://www.framos.com

http://www.framos.com/products/en/catalogsearch/result/?q=120+fps&tx_indexedsearch%5Bsword%5D=&tx_indexedsearch%5B_sections%5D=0&tx_indexedsearch%5Bpointer%5D=0&tx_indexedsearch%5Bext%5D=0&tx_indexedsearch%5Blang%5D=0&id=74&L=0

---

اگر قصد خرید دوربین با فریم بالا دارید لطفا با ایمیل [e-mail] در ارتباط باشید. و یا با شماره 09138988351 تماس بگیرید.
تلگرام: https://telegram.me/shah_baz

GC652-S90

• Manufacturer: SMARTEK Vision
• Resolution: 0.3 MP, 659 x 494
• Frame rate [fps]: 90
• Sensor manufacturer: Sony
• Sensor name: ICX424
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 7.4 x 7.4
• Optical format: 1/3"
• Aspect Ratio: 4 : 3

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome color

* Required Fields

Qty:Add to Cart

• 
• 
• 

The picture may differ from the product.

 

---

 

GC651-S90

• Manufacturer: SMARTEK Vision
• Resolution: 0.3 MP, 659 x 494
• Frame rate [fps]: 120
• Sensor manufacturer: Sony
• Sensor name: ICX618
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 5.6 x 5.6
• Optical format: 1/4"
• Aspect Ratio: 4 : 3

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome color

* Required Fields

Qty:Add to Cart

• 
• 
• 

The picture may differ from the product.

 

---

eco618_VGE67

• Manufacturer: SVS-Vistek
• Resolution: 0.3 MP, 640 x 480
• Frame rate [fps]: 150
• Sensor manufacturer: Sony
• Sensor name: ICX618
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 5.6 x 5.6
• Optical format: 1/4"
• Aspect Ratio: 4 : 3

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome color

Qty:Add to Cart

• 
• 

The picture may differ from the product.

 

---

eco415_VGE67

• Manufacturer: SVS-Vistek
• Resolution: 0.5 MP, 780 x 580
• Frame rate [fps]: 86
• Sensor manufacturer: Sony
• Sensor name: ICX415
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 8.3 x 8.3
• Optical format: 1/2"
• Aspect Ratio: 4 : 3

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome color

Qty:Add to Cart

• 
• 

The picture may differ from the product.

 

---

evo2050_FLGEA67

• Manufacturer: SVS-Vistek
• Resolution: 1.9 MP, 1600 x 1200
• Frame rate [fps]: 85
• Sensor manufacturer: Kodak
• Sensor name: KAI-02050
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 5.5 x 5.5
• Optical format: 2/3"
• Aspect Ratio: 4 : 3

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome color

Qty:Add to Cart

• 
• 

The picture may differ from the product.

 

---

evo1050_FLGEA67

• Manufacturer: SVS-Vistek
• Resolution: 1.0 MP, 1024 x 1024
• Sensor manufacturer: Kodak
• Sensor name: KAI-01050
• Sensor technology: CCD
• Shutter type: Global shutter
• Pixel size [µm]: 5.5 x 5.5
• Optical format: 1/2"
• Aspect Ratio: 1 : 1
• Taps: 4

• Add to Wishlist
 
• | Add to Compare

*Chromatics

Choose an Option...

                                         Choose an Option... monochrome

Qty:Add to Cart

• 
• 

The picture may differ from the product.

 

---

اگر قصد خرید دوربین با فریم بالا دارید لطفا با ایمیل [e-mail] در ارتباط باشید. و یا با شماره 09138988351 تماس بگیرید.
تلگرام: https://telegram.me/shah_baz

واژه نامه گرافیک و پردازش تصویر

واژه نامه گرافیک( قسمت اول )
احسان کامرانی ( استفاده از این مقاله با ذکر نام نویسنده و منبع بلا مانع است )توجه: تصاویر این مقاله در آلبوم تصاویر قرار دارد .

مقدمه
دراین سری از مقالات قصد دارم تا به بررسی مفاهیم اولیه گرافیک و تکنیکهای پرکاربرد گرافیکی مورد استفاده در بازیهای رایانه ای بپردازم. مفاهیم و تکنیکهای معرفی شده دراین مقالات، تنها به بازیهای رایانه ای محدود نمی شوند. به عنوان مثال هنگام کار با نرم افزارهایی نظیر 3DS Max یا فتوشاپ نیز به بسیاری از این واژه ها برخورد می کنید. مفاهیم معرفی شده در این مقاله ، به ترتیب حروف الفبا تعیین نشده اند.

رنگ
مفهوم رنگ در گرافیک کامپیوتری بارنگ در دنیای واقعی متفاوت است. به عنوان مثال اگر دردنیای حقیقی سه رنگ سبز، قرمز و آبی را بایکدیگر داخل کنید رنگ قهوه ای لجنی بدست می آید؛ درحالی که ترکیب این سه رنگ در کامپیوتر، باعث ایجاد رنگ سفید می شود. علت این امر آنست که رنگها در کامپیوتر اثر یکدیگر را خنثی می کنند؛ درحالی که در نقاشی دستی، رنگها با یکدیگر ترکیب می شوند.رنگهای اصلی درجهان حقیقی عبارتند از قرمز، زرد و آبی. این وضع در مورد رنگهای اصلی بکار رفته در کامپیوتر صادق نیست. در گرافیک کامپیوتری رنگهای اصلی عبارتند از قرمز، سبز و آبی. این سه رنگ به سه تایی های  RGB معروف هستند. در گذشته از پالتهای رنگ به جای سه تایی های RGB استفاده می شد. پالتها شامل 256 رنگ بودند. با پیشرفت تکنولوژی، سه تایی های RGB جایگزین پالتها شدند و به دلیل افزایش وسعت طیف رنگها( 16 یا 32 میلیون رنگ)، منجر به افزایش قابل ملاحظه ای در کیفیت گرافیک کامپیوتری شدند. رنگهای تصویر1 ، از ترکیب سه تایی های RGB پدید آمده اند.

پیکسل
کوچکترین واحد برای پردازش گرافیک است. هر پیکسل، یک مربع مستطیل بسیار کوچک است که شامل اطلاعاتی نظیر عمق، رنگ، آلفا و... می باشد (برای اطلاعات بیشتر در مورد این سه اصطلاح، قسمتهای رنگ ، بافر عمق، کانال آلفا و درهم آمیزی آلفا را ملاحظه کنید). هرگاه می گوییم دقت صفحه یک بازی برابر 600× 800 است در واقع بیان می کنیم که این تصویر دارای 240000 =600×800 پیکسل است. افزایش تعداد پیکسلها (بالارفتن دقت صفحه نمایش)، نیازمند پردازش بیشتری است. به علاوه کارتهای گرافیکی و مانیتورها در نمایش تعداد پیکسلها دارای محدودیتهایی هستند. برای تعیین بیشترین میزان دقت پشتیبانی شده توسط مانیتور یا کارت گرافیکی، دفترچه مربوط به مانیتور و کارت گرافیکی خود را مطالعه کنید.

مانتیور گرافیکی(Graphics monitor)
مانیتورهای مورد استفاده در سیستمهای خانگی، مانیتورهای گرافیکی هستند. سطح داخلی صفحه مانیتورها، دارای یک سری سلولهاست که به رنگهای قرمز، سبز و آبی حساسند. همچنین هر مانیتور، دارای سطرهای افقی است که با دقت در مانیتور می توانید آنها را ملاحظه کنید. در داخل مانیتور، یک تفنگ الکترونیکی وجود دارد که با حرکت خود منجر به نوشتن داده های تصویری در روی سطح داخل صفحه مانیتور می شود. نوشتن داده های تصویر در مانیتور از چپ به راست و از بالا به پایین صورت می گیرد. به این صورت که تفنگ الکترونیکی از گوشه بالایی سمت چپ مانیتور کار خود را آغاز کرده و پس از تاباندن اشعه به سلولهای سطر اول، به سطر دوم مانیتور رفته وهمین کار را تا سطر آخر ادامه  می دهد. سپس تفنگ الکترونیکی دوباره به سطر اول رفته و این روند راتکرار می کند. به این عمل، احیای تصویر (Refresh ) می گوییم.

نرخ احیاء(Refresh Rate)
به تعداد دفعات احیای تصویر در مانیتور، نرخ احیا (Refresh Rate) می گوییم. مفهوم نرخ احیا با مفهوم نرخ فریم (frame Rate) متفاوت است.

نرخ فریم (Frame Rate)
در داخل کارتهای گرافیکی بافری به نام بافر اصلی (Frame Buffer) وجوددارد. غالبا این بافر شامل بافر جلویی و بافر عقبی می باشد. البته درکارتهای گرافیکی جدید این بافر شامل یک بافر جلویی و دو بافر عقبی می باشد. اطلاعات تصویری، برای تعداد دفعاتی که به قدرت پردازش کارت گرافیکی وابسته است در بافر عقبی نوشته می شوند. در هر بار نوشته شدن اطلاعات دربافر عقبی، داده های بافر عقبی در بافر جلویی نوشته می شوند. این بافر جلویی شامل همان اطلاعاتی است که شما در صفحه نمایش خود می بینید. هر چه جلوه های ویژه صحنه ها بیشتر باشد کارت گرافیکی به پردازش بیشتری نیازمند است. از این رو برخی کارتهای گرافیکی نمی توانند صحنه ها رابا سرعت لازم پردازش کنند و لذا تصویر مشاهده شده، به صورت تکه تکه خواهد بود. نرخ فریم 60FPS یک نرخ فریم قابل قبول است. این بدان معناست که کارت گرافیکی می تواند داده ها را به تعداد 60 بار در هر ثانیه در بافر اصلی بنویسید. این به این معنا نیست که مانیتور شما نیز داده ها را به تعداد 60 بار در ثانیه احیا می کند. تعداد دفعات احیای تصویر در مانیتور به فرکانس  مانیتور بستگی دارد. به عنوان مثال منظور از فرکانس 85 Hz  آنست که مانیتورمی تواند در هر ثانیه تصویر را به تعداد 85 بار بازنویسی کند( با استفاده حرکتهای متوالی تفنگ الکترونیکی). از اینرو ممکن است نرخ فریم و نرخ احیا با یکدیگر برابر نباشند. به عنوان مثال اگر نرخ فریم از نرخ احیا کمتر باشد مانیتور، یک تصویر موجود در بافر گرافیکی را برای بیشتر از یک بار احیا می کند. به علاوه ممکن است نرخ احیای مانیتور کمتر از نرخ فریم باشد. این وضع زمانی رخ می دهد که فرکانس مانیتور کمتر از نرخ فریم باشد. به عنوان مثال فرض کنید نرخ احیای مانیتور برابر 60Hz است. دراین حالت اگر کارت گرافیکی بتواند داده های تصویر را برای بیش از 60 بار در بافر بنویسید، نرخ احیای مانیتور، آن را به 60 بار محدود می کند. پس به عنوان یک قانون کلی نرخ احیای مانیتور ممکن است باعث محدود شدن نرخ فریم شود؛ ولی نرخ فریم نمی تواند باعث محدود شدن نرخ احیای مانیتور شود.

کانال آلفا
درکنار سه رنگ RGB ، گهگاه کانالی به نام کانال آلفا قرار می گیرد. دراین حالت سه تایی RGB ، تبدیل به چهار تایی RGBA می شود. برخلاف رنگهای قرمز، سبز و آبی، کانال آلفا یک رنگ نیست؛ بلکه یک کانال تضعیف کننده رنگ است. کانال آلفا برای شفاف سازی تصاویر وگهگاهی حذف قسمتهایی از تصویر بکار می رود. یکی از کاربردهای کانال آلفا ، شبیه سازی درختان به صورت تصاویر دو بعدی است. به عنوان مثال درخت تصویر 2 را در نظر بگیرید. با استفاده از کانال آلفا می توان قسمت سیاه را حذف کرده و درختها را نظیر تصویر3 در بازی بکار برد. به این صورت که قسمتهایی از تصویر 2 که دارای رنگ سیاه است دارای کانال آلفای 0 و قسمتهای دیگر دارای کانال آلفای 1 خواهند بود. قسمتهایی از این تصویر که دارای کانال 0 هستند (قسمتهای سیاه) ترسیم نخواهندشد. از اینرو فقط عکس درخت در بازی دیده میشود و نه نواحی سیاه اطراف آن. از دیگر کاربردهای این کانال می توان به شبیه سازی دوربین در بازیهای جنگی اشاره نمود. در این حالت کانال آلفا یک ماسک است که منجر به نمایش قسمتی از صحنه و عدم نمایش قسمتی از صحنه می شود( تصویر 4 ). یکی دیگر از کاربردهای عمومی کانال آلفا، ایجاد اشیای نیمه شفاف نظیر پنجره ها، شیشه ها و ... است. در این حالت برای ایجاد یک شی نیمه شفاف ، کانال آلفای آن را در یک مقدار میانی تعیین می کنند. در تصویر 5 برای شفاف سازی نور اطراف چراغها از کانال آلفا استفاده شده است.

درهم آمیزی آلفا(Alpha blending)
درهم آمیزی آلفا به معنای شفاف سازی یک تصویر و سپس در هم آمیختن رنگهای آن باصحنه است. به عنوان مثال فرض کنید که درحال اجرای بازی هستید و کلید ESC را می فشارید. این عمل باعث ایجاد یک منو می شود. اغلب منوها حالت شفاف دارند؛ به این معنا که یک صحنه محورا در زیر این منو می بینید. این شفاف سازی به Alpha blending موسوم است.
درهم آمیزی آلفا در ایجاد اشیای نیم شفاف نظیر پنجره ها، شیشه ها، آب درون استخر ، منوها و... بسیار کاربرد دارد. در تصویر 6 از کانال آلفا برای شفاف سازی قوری استفاده شده است.  تصویر 7 از بازی Nfs Underground نیز به نمایش یک منوی نیمه شفاف می پردازد.

در هم آمیزی
درهم آمیزی بدون کانال آلفا نیز امکان پذیر است. در این حالت رنگ یک صحنه با رنگ صحنه دیگر ادغام می شود. عمل در هم آمیزی دو صحنه، به صورت پیکسل به پیکسل صورت می گیرد. بدین معنا که رنگ های قرمز، سبزو آبی از هر پیکسل یک صحنه، با رنگهای قرمز، سبز و آبی پیکسل متناظر صحنه دیگر ترکیب می شوند. تصویر 8 که مربوط به بازی Delta Force است برای ایجادیک دوربین ماورای بنفش، از درهم آمیزی استفاده کرده است. بدین صورت که یک رنگ سبز به صحنه تیره اضافه شده وبه قسمتهای بیرون دایره ،رنگی اضافه نشده است. بنابراین قسمتهای بیرون دایره تیرگی خود را حفظ کرده اند.

نور
نور ،یک عنصر بسیار مهم در بازیهای رایانه ای وگرافیک کامپیوتری است. یک نورپردازی خوب می تواند یک صحنه بد را بسیار زیباتر کند ویک نورپردازی بد می تواند زیباترین صحنه ها را به زشت ترین مناظر تبدیل کند. در محیطهای گرافیکی از نورهای متفاوتی استفاده می شود: نورهای واقعی، نورهای شبیه سازی شده توسط رنگها، نگاشت نور( light map) و... .منظور از نورهای واقعی همان نورهایی هستند که در محیط واقعی با آنها سروکار داریم .OpenGL  برای شبیه سازی نورهای واقعی از مدل فنگ استفاده می کند. در OpenGL  حداکثر می توان هشت منبع نور را تعریف کرد. نورها می توانند دارای رنگهای متفاوتی باشند. تصویر9 چند نور با رنگهای مختلف را در یک اتاق نشان می دهد. منظور از انواع مختلف نور واقعی آنست که هر منبع نور می تواند به صورت یکی از این انواع یا ترکیبی از آنها باشد. مثلا یک لامپ می تواند هم یک منبع نور پخشی وهم یک منبع نور انعکاسی باشد. در ذیل انواع مختلف منابع حقیقی نور را ملاحظه می کنید. 
الف)نور محیطی: این نور میزان روشنایی کل محیط را تعیین می کند. برای تصور این مطلب مکعبی را در نظر بگیرید که در اطراف آن لامپهای بسیاری قرار گرفته است. کل این سطوح مکعب به طور یکنواخت روشن می شوند و از اینرو جهت سطح مکعب تاثیری در میزان روشنایی آن ندارد. یک نور محیطی هیچ سایه ای را ایجاد نمی کند. کل اشیا به طور یکنواخت روشن می شوند .معمولا دربازیها، یک نور محیطی با میزان روشنایی دلخواه قرار داده می شود که می تواند کل محیط را به طور یکنواخت و به میزان خاصی روشن کند .در تصویر 10 منبع نور از پنجره به اتاق می تابد. قسمتهایی از مبلها که نور به آنها برخورد نمی کند به رنگ خاکستری هستند. قسمتهایی که نور به آنها برخورد می کند به رنگ زرد درآمده اند. قسمتهای خاکستری، در واقع نور محیطی هستند( وجه رو به دوربین درتصویر 10 ).
ب)نور پخشی: نوری است که از جهت خاصی به اشیاء می تابد. به عنوان مثال یک لامپ در داخل یک اتاق، یک نور پخشی است. خورشید نیز که به زمین می تابد و قسمتی از زمین را روشن می کند نیز یک نورپخشی است. دراین حالت جهت برخورد پرتوها و نحوه قرارگیری سطوح، در میزان روشن شدن سطوح تاثیر دارد. در تصویر 10 ، منبع نوری که از پنجره به اتاق می تابد، یک منبع نور پخشی است. همانطور که ملاحظه می کنید، جهت سطوح مبلها و دیوارها درمیزان روشن شدن آنها تاثیر گذاشته است.
ج)نور انعکاسی : یک نور بسیار قوی است که به سطح اشیاء می تابد. دراین حالت قسمتی از اشیاء بسته به میزان صیقلی بودن آنها به میزان خاصی برق می زنند. از اینرو یک شی آهنی که نور انعکاسی به آن برخورد می کند بیشتر از یک شی پلاستیکی برق می زند. تصویر 11 اتوموبیلی را نشان می دهد که قسمتهایی از آن به دلیل وجود نور انعکاسی کاملا برق می زنند. 
د)نگاشت نور(light map) : نگاشت نور برخلاف حالتهای قبلی، نور واقعی را "شبیه سازی" می کند. از اینرو این نوع نور، یک نور مجازی است و نیازی به محاسبات ریاضی ندارد. باتوجه به محدودیت نورهای حقیقی در برنامه نویسی و نیز میزان محاسبات بالای نورهای واقعی، نگاشت نورکاربرد بسیاری دارد. این نوع نور، برای شبیه سازی نور موجود درروی دیوارها و کف اتاقها، خیابانها و.... بکار می رود. روش کار به این شکل است که تصویر یک نور که غالبا به شکل یک دایره است بر روی سطح دیوار یا کف خیابان قرار می گیرد. در این عمل از درهم آمیزی آلفا نیز استفاده می شود. در تصویر 12 تمامی نورهای موجود در روی دیوارها با استفاده از این روش شبیه سازی شده اند.

مشخصات ماده
هر شی، نظیر نورهای واقعی، دارای مشخصات محیطی پخشی وانعکاسی می باشد. هر یک از این مشخصات، نحوه پاسخ شی به یک نوع خاص از نور را مشخص می کند. به عنوان مثال مشخصات محیطی(Ambient) ماده نشان دهنده نحوه فعل وانفعال ماده با نور محیطی است. رنگ هر ماده غالبا با مشخصات پخشی تعیین می شود. به عنوان مثال فرض کنید که یک نور پخشی سفید در صحنه وجود دارد و مشخصات پخشی یک ماده به گونه ای تعیین شده است که رنگ قرمز آن در بیشترین مقدار و رنگ سبز وآبی آن درکمترین مقدار (مقدار صفر) تنظیم شود. این بدان معناست که این شی می تواند رنگ قرمز مربوط به نور پخشی را بازتاب کند. این رنگ بازتاب شده نشان دهنده رنگ شی است. به بیان دیگر دراین مثال رنگهای سبز و آبی ارسال شده ازنور، توسط شی جذب می شود ورنگ قرمز بازتاب می شود و لذا شی مثال ما به رنگ قرمز خواهد بود. این یکی از دلایلی است که در بازیها، اشیا با رنگهای متفاوتی دیده می شوند. عامل دیگر تفاوت رنگ اشیا، رنگ تکسچر آنهاست. در تصویر 13به تمامی اشیا یک رنگ سفید تابیده شده است؛ ولی از آنجا که این اشیا دارای مشخصات پخشی متفاوتی هستندبه رنگهای مختلفی دیده می شوند.

تکسچر
تکسچر به معنای تصاویری است که در روی اشیا قرار می گیرند. گرافیست ها برای ایجاد یک محیط واقعی، اشیا را ایجاد کرده و تصاویر را به آنها می چسبانند. به عنوان مثال برای ایجاد یک اتاق ابتدا یک مکعب را ایجاد کرده و سپس تصاویری را در روی کف، سقف و دیوارهای آن قرار می دهند. علت نامگذاری تکسچر(texture) ، ترکیب دوکلمه texel و picture است (texel picture =texture). textel در واقع همان پیکسلهای تصویرهاست که برای تمایز آنها از پیکسلهای صفحه نمایش، به آن تکسل می گویند. در OpenGL ابعاد تکسچرها باید توانی از دو باشد؛ در غیر این صورت OpenGL ابعاد تکسچر را به نزدیکتر عددی که توانی از 2 باشد تبدیل می کند. مثلا تصویری با ابعاد 128  ×328 توسط OpenGL به تصویری با ابعاد 128 ×256 تبدیل می شود. اعداد 128  و 256 هردو توانی از 2 هستند. تصویر 14 تکسچری را نشان می دهد که پس از قرارگرفتن در روی یک کره، تصویر کره زمین را شبیه سازی می کند(تصویر 15).

مه ومه حجمی
مه(fog) درگرافیک به همان معنایی است که در محیطی واقعی دیده می شود. تنها تفاوت در آن است که مه موجود در جهان حقیقی غالبا به رنگ خاکستری است؛ درحالی که مه در گرافیک می تواند به هر رنگی باشد. در برنامه نویسی روشهای مختلفی برای شبیه سازی مه وجود دارد. به عنوان مثال در OpenGL سه نوع مه خطی ، نمایی و توان دوم نمایی وجود دارد که با یکدیگر تفاوت دارند. به طور کلی منظور از مه معمولی آنست که اشیای نزدیکتر قابل مشاهده باشند واشیای دورتر محوتر ومحوترشوند تادر نهایت، اشیای دور قابل مشاهده نباشند. میزان دید بیننده و نحوه محو شدن اشیا، به پارامترهای مورد استفاده درتعیین مه بستگی دارد. تصویر 16 منظره ای را بایک مه سبز رنگ نمایش می دهد( به خاطر داشته باشید که بازیهای کامپیوتری می توانند دنیاهای غیر واقعی را شبیه سازی کنند). مه حجمی (Volumetric Fog) با مه معمولی متفاوت است. مه حجمی باعث می شود تا قسمتی از یک صحنه محو باشد. به عنوان مثال ممکن است یک اتاق دارای گرد وغبار باشد و اشیا در آن محو باشند یا ممکن است قسمتهایی از یک تونل دارای مه بوده و قسمتهای دیگر فاقد مه باشند. دراین حالت قسمتهای اطراف مه حجمی محو هستند و قسمتهای دیگری که شامل مه حجمی نیستند واضح خواهند بود. تصویر 17 از بازی Serious sam یک مه حجمی قهوه ای رنگ را نشان می دهد. دراین بازی به وفور از این تکنیک استفاده شده است.

بیلبورد(Billboarding)
در بسیاری از مواقع از تصاویردو بعدی به همراه یک کانال آلفا برای شبیه سازی اشیای سه بعدی استفاده می شود. به عنوان مثال می توان از یک تصویر درخت برای نمایش یک درخت سه بعدی استفاده کرد. با این حال برای واقعی شدن نتیجه کار مایل هستیم تا تصویر درخت همواره روبه دوربین باشد. دراین حال با چرخش دوربین، تصویر درخت نیز به گونه ای می چرخد که روبه دوربین قرارگیرد. به این عمل بیلبورد گفته می شود. تصویر 3 درختهایی را نشان می دهد که با استفاده از این روش ساخته شده اند و با توجه به گرافیک دوبعدیشان همگی  روبه دوربین جهت گیری کرده اند و ظاهر آنها همواره سه بعدی به نظر میرسد.

Particle systemسیستمی است که برای شبیه سازی جلوه های ویژه ای نظیر انفجار، آتش، دود، آبشار و... بکار می رود. علت آنکه به آن سیستم مبتنی بر ذره می گویند آنست که این جلوه های ویژه از ذرات متعددی تشکیل می شوند. هر ذره (مثلا یک قطره آب از یک آبشار) توسط یک تصویر دوبعدی یا عناصر ساده ای نظیر نقطه ایجاد می شود. در صورتی که برای مدلسازی هر ذره، از یک تصویر دو بعدی استفاده شده باشد معمولا توسط در هم آمیزی و برش آلفا قسمتهایی از این تصویر دو بعدی حذف می شود.به علاوه هر یک از این ذره ها می توانند دارای مشخصات خاص خود نظیر رنگ، سرعت حرکت و... باشند. از ترکیب این ذره ها(مثلا چند صد ذره) با یکدیگر یک شکل خاص نظیر مدل دود، آتش وآبشار بدست می آید. در تصویر 18 تمامی جلوه های ویژه مربوط به آتش، دود و انفجار توسط Particle system شبیه سازی شده اند. در تصویر19 نیز بارش برفها بوسیله Particle system ایجاد شده است.

چگونه یک لنز مناسب برای دوربین مداربسته خود انتخاب کنیم؟ (جدول)

پروژه پردازش تصویر در هوش مصنوعی

قیمت: 38000 تومان

      پروژه پردازش تصویر در هوش مصنوعی      

پروژه کارشناسی مهندسی نرم افزار پردازش تصویر در هوش مصنوعی

موضوع  :پروژه پردازش تصویر در هوش مصنوعی

این پروژه در قالب word وpdf  می باشد 


فایل pdf :آن 67 صفحه می باشد


شامل

فهرست:

چکیده:

فصل اول

مقدمه:

کاربردهای پردازش تصویر:

صنعت:

هواشناسی:

کشاورزی:

علوم نظامی و امنیتی:

نجوم و فضا نوردی:

پزشکی:

فناوریهای علمی:

باستان شناسی:

تبلیغات:

سینما:

اقتصاد:

روانشناسی:

زمین شناسی :

فصل دوم

پردازش تصویر

مرحله اول ( دریافت تصویر ورودی ):

مرحله دوم ( پیش پردازش تصویر ):


مرحله سوم ( پردازش تصویر ):

مرحله چهارم ( آنالیز تصویر ):

انواع پردازش تصویر:

مقادیر  پیکسلها:

دقت تصویر:.

روشهای پردازش تصاویر

بخش بندی سطح خاکستری ( Gray-Level Slicing )

عملیات مختلف بر روی تصاویر:

جمع دو تصویر:

مکمل کردن تصویر:

میانگین گیری از تصویر:

:(Image restoration)ترمیم تصویر

نواری شدن(باندی شدن):

خطوط از جا افتاده ( خطا در تصویر):

هیستوگرام تصویر:

بالا بردن دقت عکس:

ارتقای تصویر و عملگر کانولوشن:

تعدیل هیستوگرام:

افزایش تباین از طریق امتداد اعداد ( DN) پیکسلها:

فیلتر کردن تصویر:

اعمال فیلتر تصویر در MATLAB

ایجاد فیلتر دلخواه:

طراحی فیلتر:

طراحی فیلتر میانگین ماتریس مربعی:

طراحی فیلتر میانگین با ماتریس گرد:

طراحی فیلتر پایین گذر گوسی:

طراحی فیلتر لاپلاس:

طراحی فیلتر لاپلاس از روش حذف گوس:

طراحی فیلتر حرکت دهنده:

طراحی فیلتر تقویت لبه:

طراحی فیلتر لبه افقی و عمودی:

طراحی فیلتر افزایش دهنده شدت نور و لبهها:

فصل سوم

کاربردهای هیستوگرام در پردازش تصویر:

تاثیر تکنیکهای پیش پردازش در افزایش دقت تناظر یابی عکسی:

استخراج نواحی شامل متن و تفکیک متن به حروف:

پیش پردازش تصویر:

فوکوس خودکـار دوربین های دیجیتالی:

تشخیص چهره:

تشخیص پلاک خودرو:



فصل چهارم

تشخیص پلاک خودرو:

تشخیص محل پلاک:

فیلتر گوسین:

پیدا کردن لبههای عمودی:

تحلیل هیستوگرام:

پیدا کردن محل کاندید پلاک:

سایش تصویر:

گسترش عمودی تصویر:

استخراج پلاک:

جداسازی کاراکترها:

شناسایی کاراکترها:

شبیه سازی:

فصل پنجم  نتیجه گیری:

مراجع:

فهرست جداول و اشکال

جدول 1: مقایسه انواع تصویر بر اساس تعداد بیت

شکل 1: نحوه نگاشت مقادیر  پیکسله ی تصویر ورودی

شکل 2: نحوه نگاشت مقادیر پیکسله ی تصویر خروجی

شکل 5: نحوه پیاده سازی عملگر مکمل

شکل 6: نحوه پیاده سازی عملگر میانگین

شکل 7: تصویر  دانهه ی برنج

شکل 8: نمودار هیستوگرام  دانهه ی برنج

شکل 9: یک نمونه نمودار هیستوگرام

شکل 01: ماسک اعمال شده بر روی  پیکسله

شکل 21: تصویر خروجی پس از تعدیل هیستوگرام                          

 شکل 11: تصویر ورودی و هیستوگرام آن

شکل 31: عمل کشش خطی

شکل 41: پیکسل های تیز و آرام

شکل 51: تصویر با نویز فلفل نمکی

شکل 61: تصویر با اعمال فیلتر تیز کننده

جدول2: انواع فیلتر

شکل 71: فیلتر disk

شکل 81: فیلتر گوسی

شکل 91: فیلتر لاپلاس

شکل 12: فیلتر تقویت لبه prewitt

شکل 22: فیلتر تقویت لبه sobel

شکل 32: فیلتر افزایش دهنده شدت نور unsharp

شکل 42: نمونه ای از کاربرد ocr

شکل 52: مراحل تشخیص پلاک

شکل 62: تصویر سطح خاکستری ورودی

شکل 27:  (الف) ماسک عمودی سوبل، (ب) ماسک افقی سوبل

شکل 82: نتیجه عمل لبه یابی

شکل 92: نمودار هیستوگرام تصویر

شکل 03: تصویر کاندید به دست آمده از تصویر لبه

شکل 13: تصویر حاصل شده پس از حذف نواحی خارج از محدوده

شکل 23: تصویر حاصل شده پس از سایش و گسترش افقی

شکل 33: تصویر حاصل شده از پر کردن حفره های احتمالی

شکل 43: محل تقریبی پلاک  پر کردن حفره های احتمالی

شکل 53: تصویر حاصل شده پس از گسترش عمودی

شکل 63: پیدا شدن محل پلاک

شکل73: پلاک استخراج شده از کل62.52

شکل 83: هیستوگرام پلاک استخراج شده

شکل 93: کاراکترهای جداشده

      

کتاب های مفید در زمینه پردازش تصویر

جدیدترین دستاورد دانشجویان دانشگاه MIT در زمینه پردازش تصویر

کلیپ زیر را دانلود کنید تا خودتون متوجه شید!

نوع فایل:flv

حجم:8.8Mb

دانلود

---

دریافت کتاب های مفید در زمینه پردازش تصویر

Digital Image Processing , Gonzalez 

این کتاب رفرنس بیشتر اساتید برای درس پردازش تصویر در ایران میباشد.

تعداد صفحات:976

نوع فایل:pdf

حجم:63.5Mb

دانلود

Signals, Systems,Transforms, and Digital Signal Processing with MATLAB

یک کتاب جامع در زمینه پردازش سیگنال و تصاویر با استفاده از MATLAB

تعداد صفحات:1345

نوع فایل:pdf

حجم:19.8Mb

دانلود

Fundamentals of Digital Image Processing  A Practical Approach with Examples in Matlab

این کتاب به آموزش پردازش تصویر به همراه مثال هایی در MATLAB  می پردازد.

تعداد صفحات:355

نوع فایل:pdf

حجم:5.2Mb

دانلود

Digital Signal Processing using MATLAB

این کتاب نیز به آموزش پردازش سیگنال با استفاده از MATLAB میپردازد.

تعداد صفحات:425

نوع فایل:pdf

حجم:5.6Mb

دانلود

Applied Speech and Audio Processing: With MATLAB Examples

در این کتاب به پردازش گفتار (صدا) با استفاده از نرم افزار MATLAB می پردازد

این کتاب از معدود کتابهای پردازش صدا با استفاده از متلب میباشد.

تعداد صفحات:218

نوع فایل:pdf

حجم:2.7Mb

دانلود

برچسب‌ها: دانلود کتاب, پردازش تصویر, انجام پروژه, پردازش سیگنال, MATLAB

+ نوشته شده در  دوشنبه بیست و ششم فروردین 1392ساعت 12:2  توسط حمید  |  نظر بدهید

---

پیشرفتهای اخیر در زمینه تشخیص چهره

کتاب زیر به معرفی و توضیح نسبتا کامل الگوریتم های شناسایی چهره می پردازد.

این کتاب برای اولین بار در سال 2008 در اتریش به چاپ رسید.

تعداد صفحات:256

نوع فایل:pdf

حجم:19.5Mb

دانلود

برچسب‌ها: تشخیص چهره, تشخیص صورت, پردازش تصویر, انجام پروژه, متلب

+ نوشته شده در  دوشنبه بیست و ششم فروردین 1392ساعت 11:42  توسط حمید  |  نظر بدهید

---

دریافت تصاویر کتاب پردازش تصویر گنزالس

برای دانلود تصاویر کتاب  Digital image processing , Gonzalez اینجا کلیک کنید.

برچسب‌ها: دانلود, عکس, گنزالس, انجام پروژه متلب, پردازش تصویر

+ نوشته شده در  دوشنبه بیست و ششم فروردین 1392ساعت 9:43  توسط حمید  |  یک نظر