Computer Image Analysis

1. Computer Image Analysis استاد راهنما:آقای ناصرزادهارائه دهندگان: حديثه هزارپيشه شهره نوری

2. فهرست مطالب • مقدمه • تعاريف • تصوير برداري ديجيتال • المانهاي تفسير توسط چشم • پردازش تصوير • آناليز تصاوير • جمع بندي • منابع

3. مقدمه • تکنولوژي مدرن ديجيتال امکان دستکاري سيگناهاي چند بعدي را فراهم آورده • هدف از اين دستکاريها يکي از موارد زير است: • پردازش تصوير:ورودي تصوير / خروجي تصوير • آناليز تصوير: ورودي تصوير /خروجي شامل تعدادي از اندازه گيريها • درک تصوير: ورودي تصوير /خروجي شامل توصيف ادراکي تصوير

4. مقدمه • شايعترين اعمال پردازشي که در سيستمهاي آناليز تصاوير استفاده مي شود • پيش پردازش(Preprocessing) • افزايش کيفيت تصوير (Image Enhancement) • تبديل تصوير (Image Transformation) • طبقه بندي و آناليز تصوير

5. مقدمه - پيش پردازش(Preprocessing) • معمولا قبل از آناليز اصلي تصاوير و استخراج اطلاعات لازمند • تحت عنوان تصحيحهاي راديومتريک يا جئومتريک گروهبندي ميشوند • هدف آنها بدست آوردن تصوير دقيقي است که از تابش اشعه به گيرنده ها ايجاد مي شود

6. مقدمه - افزايش کيفيت تصوير (Image Enhancement) • اين دسته از پردازشها صرفا به منظور بهبود و افزايش وضوح تصوير هستند تا بتوان تفسير بهتري را از تصاوير بدست آورد

7. مقدمه - تبديل تصاوير (Image Transformation) • شامل پردازش ترکيبي بر روي داده هاي بدست آمده از چندين باند طيفي مي شوند • اعمال رياضي (جمع، تفريق، ضرب، تقسيم) بر روي تصاوير اعمال مي شوند • باند هاي اوليه را ترکيب کرده و آنها را به تصاوير جديدي که وضوح بيشتري داشته و يا خصوصيات ويژه اي را بهتر نمايان مي کنند تبديل مي نمايند.

8. مقدمه - طبقه بندي و آناليز تصوير • هدف آنها طبقه بندي و شناسائي پيکسل ها در داده است. • هر پيکسل تصوير را بر اساس خصوصيات آماري مقادير روشنائي آن به يک گروه اختصاص مي دهد . • براي انجام آن دو روش عمده ، با مربي و بدون مربي وجود دارد

9. تعاريف • تصوير: تابعي از دو متغير حقيقي است مثل a(x,y) که در آن a شدت تصوير(مثلا ميزان روشنائي) در مکان حقيقي (x,y) است. • Regions-of-Interest(ROI):يک تصوير معمولا شامل تعدادي زير تصوير مي باشد که به آنها نواحي مورد توجهگفته ميشود. • در يک سيستم پردازش تصوير مناسب بايد بتوان روي نواحي مختلف اعمال متفاوتي انجام داد • شدتها در تصاوير يا به صورت اعداد حقيقي و يا به صورت اعداد صحيح هستند. • Quantization: فرايندي است که در آن شدتها از حالت پيوسته به حالت مجزا تبديل مي شود. • مورفومتري: توضيح کمي يک ساختار. • استريولوژي :استخراج و تفسير اطلاعات سه بعدي از تصاوير دو بعدي.

10. تصوير برداري ديجيتال • يک تصوير ديجيتال a[m,n]در يک فضاي گسسته دو بعدي از يک تصوير دوبعدي a(x,y) در يک فضاي پيوسته دو بعدي توسط فرايند digitization مشتق مي شود. • تصوير دو بعدي به n رديفو m ستون تقسيم ميشود. • تلاقي يک رديف و يک ستون پيکسل ناميده ميشود. • A(x,y)تابعي از متغيرهاي بسياري است از جمله عمق (z) ، رنگ، و زمان(t) • دقت تصوير به صورت پيکسل بر اينچ اندازه گيري مي شود. • دقت پيکسلي يا عمق پيکسل به معني تعداد بيت اطلاعات به ازاء هر پيکسل مي باشد • در تصاوير باينري عمق پيکسل 1 (روشن - خاموش) است • براي آناليز تصاوير طيف خاکستري حداقل عمق پيکسل لازم 8 بيت است. • براي تصاوير رنگي حداقل عمق 24 بيت لازم است

11. تصوير برداري ديجيتال شکل 1- تصوير ديجيتال

12. المانهاي تفسير توسط چشم • تشخيص هدفها کليد استخراج اطلاعات و تفسير تصوير است • مشاهده اختلاف بين هدفها و زمينه آنها شامل مقايسه از نظر تعدادي از المانهاي بينائي ميباشد : • تون: به روشنائي يا رنگ نسبي اشياء در تصوير اتلاق مي شود . • شکل: بيان کننده فرم، ساختار و محيط اشياء است. • اندازه: اندازه تصاوير تابعيست از بزرگنمائي تصوير • الگو: الگو بيان کننده ترتيب قرار گرفت فضائي اشياء ديدني است. • بافت: ترتيب و تکرار تغييرات تون در نواحي خاصي از تصوير • سايه: مي تواند ارتفاع نسبي اشياء را مشخص سازد • ارتباط: رابطه بين هدف و ديگر اشيائ قابل تشخيص در نزديکي آن

13. المانهاي تفسير توسط چشم • چگونه انسان اشياء را طبقه بندي ميکند؟ • انسان به کنتراست حساس است. هميشه اشيائي که داراي کنتراست بالا دارند بيشتر در ذهن خود را نشان مي دهند. • انسان به پرسپکتيو و تغييرات عمق تصوير حساس است. • انسان به جهت تابش نور حساس است و ترجيح مي دهد که نور از بالا بتابد. • انسان هميشه دوست دارد چيزي را در تصوير ببيند که انتظار آن را دارد

14. پردازش تصوير (processing Image) • قبل از آناليز تصوير انجام مي گيرد • عملياتي است که طي آن ويژگيهاي تصوير بارزتر مي شوند • پردازش تصوير بر روي پيکسلها انجام مي شود • پردازش بر روي گروهي از پيکسلهابه نام کرنل انجام ميشود کرنل

15. پردازش تصوير- پيش پردازش(Preprocessing) • بازيابي يا اصلاح تصوير نيز ناميده مي شوند • به منظور اصلاح اعوجاجهايراديومتريک يا جئومتريک به کار برده مي شوند • هنگامي که خصوصيات فضائي يا روشنائي نويز ها مشخص باشد از متدهاي فوتوگرامتريک استفاده مي شود. • وقتي خصوصيات طيفي نويز ها مشخص باشد از فيلتر ها استفاده ميشود. • مرحله پيش پردازش نبايد به گونه اي باشد که تصوير اصلي را آنقدر تغيير دهد که بيننده دچار خطاي تشخيص شود.

16. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) • ارتقاء توسط دستکاري هيستوگرام: • هيستوگرام :نمودار گرافيکي که مقادير روشنائي سازنده تصوير را نشان ميدهد. • روش کشيدن خطي کنتراست: حد بالا و پايين کنتراست از روي هيستوگرام مشخص مي شود سپس با استفاده از يک تبديل، محدوده کنتراست کشيده مي شود تا کل محدوده ممکن را پر ميکند. • Histogram-Equalized stretching: محدوده بيشتري به مقاديري که فرکانس بالاتري دارند اختصاص مي يابد • Histogram sliding :در مواردي که هيستوگرام در يک طرف طيف يا در وسط طيف جمع شده باشد استفاده مي شود. در اين روش يک مقدار ثابت به کل پيکسلها اضافه و يا از آنها کم مي شود

17. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) Histogram sliding and stretching

18. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) • حذف نويز: • ميانگين گيري :مقداري تاري در تصوير ايجاد ميکند • فيلتر کردن فضائي : زماني که بخواهيم ويژگيهائي از تصوير را بر اساس تکرار فضائي آنها ارتقايا تقليل دهيم • فيلتر پايين گذر:تاکيد بر نواحي بزرگ و هوموژن • فيلترهاي تشخيص لبه • فيلتر هاي ميانه: کمترين ميزان تاري را ايجاد مي کنند. • تبديل فوريه : حذف نويزهاي پريوديک

19. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) حذف نويز با استفاده از يک فيلتر ميانه با کرنل 3*3

20. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) حذف نويز پريوديک با استفاده از تبديل فوريه سريع(FFT)

21. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) • ارتقاء لبه ها :در اين روشها وضوح تصوير کاهش مي يابد و لبه هاي موحود در آن ارتقاء مي يابند. • استفاده از رنگ مجازي :استفاده از رنگ مجازي در تصاوير طيف خاکستري مي تواند برخي جنبه هاي تصوير را نمايانتر سازد

22. پردازش تصوير-ارتقاء تصوير(EnhancementImage ) ارتقاء لبه توسط تبديل لاپلاس استفاده از رنگ مجازي

23. پردازش تصوير- تبديل تصاوير (Image Transformation) • عمدتا نيازمند دستکاري چندين باند داده است • تبديلات پايه شامل اعمال عملگر هاي جبري بر روي داده هاست • کم کردن تصاوير از يکديگر: براي مواقعي که مي خواهيم بدانيم در طول زمان چه تغييراتي رخ داده است. • تقسيم کردن تصاوير يا Spectral rationing :براي روشن ساختن تغييرات کوچکي که در طيف پوششي سطحهاي مختلف وجود دارد • Principal components analysis :هدف اين تبديل کاهش تعداد باندها و فشرده سازي اطلاعات باندهاي اوليه است.

24. پردازش تصوير- تبديل تصاوير (Image Transformation) کم کردن تصاوير تبديل Principal Components Analysis

25. آناليز تصوير (Image Analysis) • توسط آن ويژگيهاي تصاويرمشخص و استخراج شوند. • تصوير به اجزاء خود تقسيم مي شود (Segmentation). • تصاوير ممکن است به نواحي با محيط بسته، نقاط و خطها تقسيم و دسته بندي شوند. • آيتم هائي که در آناليز تصوير اندازه گيري مي شوند شامل طول،سطح،محيط،نسبت سطح به محيط، محور اصلي، محور فرعي و تعداد سوراخها است.

26. آناليز تصوير (Image Analysis) • تعيين آستانه (Thresholding) • تشخيص لبه • استخراج منطقه (Region extraction) • دسته بندي تصوير(Image Classification) • شکل شناسي رياضي (Mathematical morphology)

27. آناليز تصوير - تعيين آستانه (Thresholding) • ساده ترين روش براي قطعه کردن تصوير است. • ابتدا يک پارامتر به نام آستانه روشنائي() انتخاب مي شودو بر روي تصوير اعمال مي گردد. • خروجي الگوريتم مي تواند تحت عنوان شيء يا زمينه نامگذاري شود . • آستانه را چگونه بايد مشخص کرد؟ • آستانه ثابت • آستانه هاي بدست آمده از هيستوگرام • الگوريتم ايزو ديتا • الگوريتم Background – symmetry • الگوريتم مثلث • قطعه سازي تصوير مي تواند بر اساس RGB و يا بر اساس HSI که روشي قدرتمند تر استانجام شود.

28. آناليز تصوير - تعيين آستانه (Thresholding) الگوريتم مثلث

29. آناليز تصوير - تشخيص لبه • در اين روش پيکسلهائي جستجو مي شوند که به کناره اشياء اختصاص دارند . • فيلترهاي تشخيص لبه زيادي وجود دارد از جمله لاپلاس، سوبل و روبرتز . • گراديانها را برجسته مي سازند و تحول از يک روشنائي به ديگري را تشخيص مي دهند. • اشياء ناپيوسته و اشيائي را که روي هم افتاده باشند تشخيص نمي دهند. • فيلتر هاي آب پخشان (Watershed) مي توانند اشياء روي هم افتاده را جدا کنند • روش بر اساس گراديان • روش عبور کردن از صفر • روش بر اساس PLUS : دقيقترين روش

30. آناليز تصوير - تشخيص لبه استفاده از دو روش LoG و PULS براي تشخيص لبه

31. آناليز تصوير - تشخيص لبه يافتن لبه بر اساس روش عبور از صفر

32. آناليز تصوير - استخراج منطقه (Region extraction) • قسمتهائي از تصوير که از يک قاعده يکنواختي پيروي مي کنند را جدا سازي ميکند. • اين روشها منجر به تشخيص نواحي بسته و در نتيجه محيطهاي بسته مي شوند . • نکات منفي اين روشها پيچيدگي آنهاست و اينکه معمولا مناطق کوچک زيادي تشخيص داده مي شوند . • معمولا پس پردازش لازم است. • جداسازي تصاوير داراي بافت هنوز يک مشکل عمده است.

33. آناليز تصوير - دسته بندي تصوير(Image Classification) • طبقه بندي ،از اطلاعاتديجيتال طيفي تصوير استفاده مي کند و هر پيکسل را بر اساس اين اطلاعات طيفي طبقه بندي کند. • هدف اين است که در تصوير تمام پيکسل ها به يک دسته يا تم اختصاص يابند. • طبقه بندي اطلاعاتي : قسمتهائي از تصوير است که آناليست مايل به تشخيص آنهاست . • طبقه بندي طيفي : گروههائي از پيکسل است که از نظر مقدار روشنائي در کانالهاي طيفي مختلف متحدالشکل هستند • هدف، نگاشت دسته هاي طيفي با دسته هاي اطلاعاتي مورد جستجو است. • طبقه بندي با مربي: آناليست خودش ناحيه هاي آموزش دهنده را شناسائي مي کند. • طبقه بندي بدون مربي : • در ابتدا طبقه هاي طيفي بر اساس عدد طيفيشان مشخص مي شوند سپس با دسته هاي طيفي مد نظر آناليست نگاشت مي شوند • الگوريتمهاي خوشه بندي براي تشخيص گروه بندي هاي طبيعي(آماري) و ساختار هاي موجود در تصوير بکار برده مي شوند. • نتيجه نهائي اين طبقه بندي ممکن است به دسته هائي منجر شود که آناليست لازم ميداند تعدادي از آنها را به هم بپيوندد يا تعدادي را به ميزان بيشتري بشکند

34. آناليز تصوير - دسته بندي تصوير(Image Classification) دسته بندي بدن مربي دسته بندي داراي مربي

35. آناليز تصوير - دسته بندي تصوير(Image Classification) • پارامتر شکل : • يک پارامتر مناسب براي دسته بندي اشياء شکل شيء است. • به صورت4 * Pi / (Peimeter^2) تعريف مي شود. • يک دايره کامل پارامتر شکلي برابر 1 خواهد داشت. • خروج از حالت دايره اي مثلا بيضي ، پارامتر شکلي زير 1 خواهد داشت. • از اين قانون مي توان براي تشخيص سلولهايسرطاني(غير گرد) از سلولهاي عادي(گرد و منظم) استفاده کرد

36. آناليز تصوير - شمارش اشياء • ابتدا بايد محل مورد نظر يا مورد علاقه(ROI) را مشخص کرد • با استفاده از يک برنامه کامپيوتري سطح آستانه اي براي آناليز تصويرانتخاب مي شود . • ويژگيها با استفاده از مقادير طيف خاکستري و يا رنگ مشخص مي شوند. • اشياء با استفاده از لبه شان شناسائي و شمارش مي شوند . • اگر ما سايز فريم شمارش را بدانيم ، مي توان تعداد اشياء را بر حسب دانسيته عددي بيان کرد. • مي توان از فريم حاوي نقاط شمارش منظم استفاده کرد. • يک شئ شمارش مي شود اگر ربع فوقاني راست از يک نقطه شمارش را اشغال کند.

37. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • حاصل قطعه سازي يک تصوير خاکستري ، يک تصوير باينري است . • پردازش مورفولوژيکال اين تصوير باينري ميتواند نتيجه قطعه سازي را بهينه سازد . • معمولا براي درک ساختار يا شکل يک تصوير به کار مي روند . • نقش کليدي در بينائي کامپيوتري و تشخيص خودکار اشياء دارند. • اکثر روشهاي ريخت شناختي بر روي همسايه هاي 3*3 عمل مي کنند. • پيکسل مورد توجه (X)در مرکز اين پنجره واقع است. • همسايه ها به صورت x0 – x7 نامگذاري مي شوند. • پيکسل 4 اتصالي :حداقل يکي از همسايه ها در مکانهايx0 , x2 , x4 ویا x6 مقدار مشابهی داشته باشد • پیکسل 8 اتصالی : همه همسایه هایش مقدار مشابه داشته باشند.

38. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • Erosion: • بيشتر در موارد اتخاذ تصميم منطقي بکار مي روند . • از ماسک 3*3 داراي مقادير 1 استفاده مي کند. • تمام پيکسلهاي همسايه بايد مقدار 1 داشته باشند تا مقدار نتيجه 1 باشد . • اگر پيکسل مرکزي خودش مقدار صفر داشته باشد نتيجه بدون در نظر گرفتن همسايه ها صفر خواهد بود . • براي حذف نويزهاي سفيد نقطه اي در يک زمينه تيره بکار برده مي شود. • نتيجه آن در عمل باريک کردن لبه هاي يک ناحيه سفيد رنگ است .

39. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • :Dilation • عکس ايروژن است . • از ماسک 3*3 داراي مقادير صفر استفاده مي کند. • عملگر منطقي آن NAND است. • با اين روش مي توان نقاط سياه منفرد را نيز حذف کرد

40. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • Hit-or-miss: • ماسکهاي تشخيص پيکسل 4و 8 اتصاله. • ماسکهاي تشخيص پل • ماسکهائي براي تشخيص گوشه و يا پيکسلهاي داخلي • همسايگي 9 گانه بدليل باينري بودن تصوير مي تواند در قالب يک عدد 9 بيتي بيان شود . • اين عدد مي تواند به عنوان يک ايندکس در درون يک جدول جستجو ذخيره شود تا مشخص شود که آيا نتيجه بايد hit يا miss باشد . • چالش اصلي تهيه جدول جستجوي مناسب مي باشد

41. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • پردازش مرحله اي • روشهاي ديگري وجود دارند که بايد از ماسکهاي 5*5 استفاده کنند . • اين سايز ماسک مي تواند 33 ميليون حالت مختلف را در بر گيرد که براي هر پيکسل بايد چک شود. • بهترين راه استفاده از يک روش دو مرحله اي است • هر دو مرحله از ماسک 3*3 استفاده مي کنند • مرحله اول: پيکسلهائي که بايد بر روي آنها کار شود جدا مي شوند. • مرحله دوم: تصوير اصلي با تصوير بدست آمده مقايسه مي شود • در اين روش نيز از جداول جستجو استفاده ميشود

42. آناليز تصوير - شکل شناسي رياضي (Mathematical morphology) • جمع کردن (Shrinking): شيء ها را تبديل به يک نقطه مي کند و در مرکز هندسي همان شيء قرار مي دهد • لاغر کردن (Thinning): يک خط داراي فواصل مساوي از لبه هاي شيئ ارائه مي کند. • اسکلتي کردن (Skeletonization): مثللاغر کردن است منتها با اين تفاوت که جزئيات بيشتري از شکل را در خود نگه مي دارد. • روشهاي ريخت شناسي طيف خاکستري : • ايروژن و دايليشن طيف خاکستري معمولا نتايجي مشابه فيلترهاي غيرخطي مينيمم و ماکزيمم ايجاد مي کنند.

43. جمع بندي • دريافت وثبت تصوير تصوير خام • پردازش تصوير  تصوير ارتقاء يافته • آناليز  تصوير باينري  جداسازي  استخراج اشکال مورد نظر