معالجة الصور الرقمية

📅 آخر تحديث: ١٩ يوليو ٢٠٢٦
✍️ نُشر في: ١٩ يوليو ٢٠٢٦
📷 يحتوي على 59 صور
الموسوعة الحرة

معالجة الصور الرقمية هي استخدام الحاسوب لمعالجة الصور الرقمية من خلال خوارزمية . [ 1 ] [ 2 ] وباعتبارها فرعًا من فروع معالجة الإشارات الرقمية ، تتميز معالجة الصور الرقمية بالعديد من المزايا مقارنةً بمعالجة الصور التناظرية . فهي تتيح تطبيق نطاق أوسع بكثير من الخوارزميات على بيانات الإدخال ، وتتجنب مشاكل مثل تراكم التشويش والتشويه أثناء المعالجة. ولأن الصور تُعرَّف على بُعدين (وربما أكثر)، يمكن نمذجة معالجة الصور الرقمية في شكل أنظمة متعددة الأبعاد . ويتأثر ظهور وتطوير معالجة الصور الرقمية بشكل رئيسي بثلاثة عوامل: أولًا، تطور الحواسيب؛ [ 3 ] ثانيًا، تطور الرياضيات (وخاصةً إنشاء وتطوير نظرية الرياضيات المتقطعة )؛ [ 4 ] ثالثًا، ازدياد الطلب على تطبيقاتها في مجالات البيئة والزراعة والجيش والصناعة والعلوم الطبية. [ 5 ]

تاريخ

طُوِّرت العديد من تقنيات معالجة الصور الرقمية ، أو معالجة الصور الرقمية كما كانت تُسمى غالبًا، في ستينيات القرن الماضي، في مختبرات بيل ، ومختبر الدفع النفاث ، ومعهد ماساتشوستس للتكنولوجيا ، وجامعة ميريلاند ، وعدد قليل من مراكز الأبحاث الأخرى، وطُبِّقت على صور الأقمار الصناعية ، وتحويل معايير الصور السلكية ، والتصوير الطبي ، والهاتف المرئي ، والتعرف على الأحرف ، وتحسين الصور الفوتوغرافية. [ 6 ] كان الهدف من معالجة الصور في بداياتها هو تحسين جودة الصورة. في معالجة الصور، تكون المدخلات صورة منخفضة الجودة، والمخرجات صورة ذات جودة محسّنة. تشمل معالجة الصور الشائعة تحسين الصورة، واستعادتها، وتشفيرها، وضغطها. كان أول تطبيق ناجح هو مختبر الدفع النفاث الأمريكي (JPL). استخدموا تقنيات معالجة الصور مثل التصحيح الهندسي، وتحويل التدرج اللوني، وإزالة التشويش، وغيرها، على آلاف الصور القمرية التي أرسلها جهاز الكشف الفضائي رينجر 7 عام 1964، مع مراعاة موقع الشمس وبيئة القمر. كان لنجاح عملية رسم خريطة سطح القمر بواسطة الحاسوب أثرٌ بالغ. وفي وقت لاحق، أُجريت معالجة صور أكثر تعقيدًا على ما يقارب 100,000 صورة أرسلتها المركبة الفضائية، ما أدى إلى الحصول على الخريطة الطبوغرافية والخريطة اللونية والفسيفساء البانورامية للقمر، وهو ما حقق نتائج باهرة ووضع أساسًا متينًا لهبوط الإنسان على سطح القمر. [ 7 ]

كانت تكلفة المعالجة مرتفعة نسبيًا في ذلك الوقت نظرًا لمعدات الحوسبة المتاحة. تغير هذا الوضع في سبعينيات القرن الماضي، مع انتشار معالجة الصور الرقمية بفضل توفر أجهزة كمبيوتر أرخص وأجهزة مخصصة. أدى ذلك إلى معالجة الصور في الوقت الفعلي، في بعض الحالات الخاصة مثل تحويل معايير التلفزيون . ومع ازدياد سرعة أجهزة الكمبيوتر العامة ، بدأت تحل محل الأجهزة المخصصة في جميع العمليات باستثناء العمليات الأكثر تخصصًا وكثافةً من حيث موارد الحاسوب. ومع توفر أجهزة الكمبيوتر ومعالجات الإشارات السريعة في العقد الأول من الألفية الثانية، أصبحت معالجة الصور الرقمية الشكل الأكثر شيوعًا لمعالجة الصور، وتُستخدم على نطاق واسع لكونها ليست فقط الطريقة الأكثر تنوعًا، بل أيضًا الأقل تكلفة.

مستشعرات الصور

تعتمد أجهزة استشعار الصور الحديثة على تقنية أشباه الموصلات المعدنية المؤكسدة (MOS)، [ 8 ] التي تم اختراعها في مختبرات بيل بين عامي 1955 و1960، [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] وقد أدى ذلك إلى تطوير أجهزة استشعار الصور الرقمية لأشباه الموصلات ، بما في ذلك جهاز اقتران الشحنة (CCD) ولاحقًا مستشعر CMOS . [ 8 ]

اخترع ويلارد إس. بويل وجورج إي. سميث جهاز اقتران الشحنات (CCD ) في مختبرات بيل عام 1969. [ 15 ] أثناء بحثهما في تقنية MOS، أدركا أن الشحنة الكهربائية تُشابه الفقاعة المغناطيسية، وأنه يُمكن تخزينها على مكثف MOS صغير. ولأن تصنيع سلسلة من مكثفات MOS على التوالي كان سهلاً نسبياً ، قاما بتوصيل جهد مناسب بها بحيث يُمكن نقل الشحنة من مكثف إلى آخر. [ 8 ] يُعدّ جهاز CCD دائرة أشباه موصلات استُخدمت لاحقاً في أولى كاميرات الفيديو الرقمية للبث التلفزيوني . [ 16 ]

ابتكرت شركة أوليمبوس في اليابان مستشعر البكسل النشط NMOS (APS) في منتصف ثمانينيات القرن الماضي. وقد تحقق ذلك بفضل التطورات في تصنيع أجهزة أشباه الموصلات MOS ، حيث وصل تصغير حجم ترانزستورات MOSFET إلى مستويات أصغر من الميكرون، ثم إلى مستويات دون الميكرون. [ 17 ] [ 18 ] قام فريق تسوتومو ناكامورا في أوليمبوس بتصنيع مستشعر البكسل النشط NMOS عام 1985. [ 19 ] وفي وقت لاحق، طوّر فريق إريك فوسوم في مختبر الدفع النفاث التابع لناسا مستشعر البكسل النشط CMOS (مستشعر CMOS) عام 1993. [ 20 ] وبحلول عام 2007، تجاوزت مبيعات مستشعرات CMOS مبيعات مستشعرات CCD. [ 21 ]

تُستخدم مستشعرات الصور MOS على نطاق واسع في تقنية الفأرة الضوئية . أول فأرة ضوئية، التي اخترعها ريتشارد إف. ليون في شركة زيروكس عام 1980، استخدمت شريحة مستشعر دارة متكاملة NMOS بحجم 5  ميكرومتر . [ 22 ] [ 23 ] منذ طرح أول فأرة ضوئية تجارية، IntelliMouse ، عام 1999، تستخدم معظم أجهزة الفأرة الضوئية مستشعرات CMOS. [ 24 ] [ 25 ]

ضغط الصور

كان تحويل جيب التمام المنفصل (DCT) تطورًا هامًا في تقنية ضغط الصور الرقمية، وهو أسلوب ضغط مع فقدان للبيانات اقترحه ناصر أحمد لأول مرة عام 1972. [ 26 ] أصبح ضغط DCT أساسًا لتنسيق JPEG ، الذي قدمته مجموعة خبراء التصوير المشتركة عام 1992. [ 27 ] يضغط JPEG الصور إلى أحجام ملفات أصغر بكثير، وأصبح تنسيق ملفات الصور الأكثر استخدامًا على الإنترنت . [ 28 ] كان لخوارزمية ضغط DCT عالية الكفاءة دور كبير في الانتشار الواسع للصور الرقمية ، [ 29 ] حيث تم إنتاج مليارات الصور بتنسيق JPEG يوميًا حتى عام 2015 .[ 30 ]​

تُنتج تقنيات التصوير الطبي كميات هائلة من البيانات، لا سيما من تقنيات التصوير المقطعي المحوسب (CT) والتصوير بالرنين المغناطيسي (MRI) والتصوير المقطعي بالإصدار البوزيتروني (PET). ونتيجةً لذلك، يُصبح تخزين بيانات الصور الإلكترونية ونقلها مكلفًا للغاية دون استخدام الضغط. [ 31 ] [ 32 ] يستخدم معيار DICOM ضغط الصور JPEG 2000 لتخزين الصور الطبية ونقلها. كما يُعالج معيار DICOM آخر، يُسمى JPIP ، مشكلة تكلفة وجدوى الوصول إلى مجموعات بيانات الصور الكبيرة عبر نطاقات تردد منخفضة أو متفاوتة، وذلك لتمكين البث الفعال لبيانات الصور المضغوطة بتقنية JPEG 2000. [ 33 ]

معالج الإشارات الرقمية (DSP)

أحدثت تقنية MOS ثورة في معالجة الإشارات الإلكترونية مع الانتشار الواسع لها في سبعينيات القرن العشرين. [ 34 ] شكلت تقنية الدوائر المتكاملة MOS الأساس لأولى المعالجات الدقيقة ووحدات التحكم الدقيقة أحادية الشريحة في أوائل سبعينيات القرن العشرين، [ 35 ] ثم أول رقائق معالجة الإشارات الرقمية (DSP) أحادية الشريحة في أواخر سبعينيات القرن العشرين. [ 36 ] [ 37 ] ومنذ ذلك الحين، تُستخدم رقائق DSP على نطاق واسع في معالجة الصور الرقمية. [ 36 ]

تم تطبيق خوارزمية ضغط الصور باستخدام تحويل جيب التمام المنفصل ( DCT) على نطاق واسع في رقائق معالجة الإشارات الرقمية (DSP)، حيث تقوم العديد من الشركات بتطوير رقائق DSP تعتمد على تقنية DCT. تُستخدم تقنية DCT على نطاق واسع في التشفير ، وفك التشفير، وتشفير الفيديو ، وتشفير الصوت ، وتعدد الإرسال ، وإشارات التحكم ، والإشارات ، والتحويل من تناظري إلى رقمي ، وتنسيق اختلافات الإضاءة والألوان، وتنسيقات الألوان مثل YUV444 و YUV411 . كما تُستخدم تقنية DCT في عمليات التشفير مثل تقدير الحركة ، وتعويض الحركة ، والتنبؤ بين الإطارات ، والتكميم ، والترجيح الإدراكي، وتشفير الإنتروبيا ، وتشفير المتغيرات، ومتجهات الحركة ، وفي عمليات فك التشفير مثل العملية العكسية بين تنسيقات الألوان المختلفة ( YIQ و YUV و RGB ) لأغراض العرض. وتُستخدم تقنية DCT أيضًا بشكل شائع في رقائق التشفير/فك التشفير الخاصة بتلفزيون عالي الوضوح (HDTV). [ 38 ]

المهام

تتيح معالجة الصور الرقمية استخدام خوارزميات أكثر تعقيدًا، وبالتالي، يمكنها أن توفر أداءً أكثر تطورًا في المهام البسيطة، وتنفيذ أساليب من المستحيل تنفيذها بالوسائل التناظرية.

وعلى وجه الخصوص، تعد معالجة الصور الرقمية تطبيقاً ملموساً وتقنية عملية تعتمد على:

تتضمن بعض التقنيات المستخدمة في معالجة الصور الرقمية ما يلي:

تحويلات الصور الرقمية

تصفية

تُستخدم المرشحات الرقمية لتشويش الصور الرقمية وتوضيحها. ويمكن إجراء عملية الترشيح عن طريق:

  • الالتفاف باستخدام نوى مصممة خصيصًا (مصفوفة المرشحات) في المجال المكاني [ 39 ]
  • حجب مناطق تردد محددة في مجال التردد (فورييه)

توضح الأمثلة التالية كلا الطريقتين: [ 40 ]

نوع الفلترالنواة أو القناعمثال
الصورة الأصلية[000010000]{\displaystyle {\begin{bmatrix}0&0&0\\0&1&0\\0&0&0\end{bmatrix}}}
مرشح تمرير منخفض مكاني19×[111111111]{\displaystyle {\frac {1}{9}}\times {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}}
مرشح تمرير عالي مكاني[0-10-14-10-10]{\displaystyle {\begin{bmatrix}0&-1&0\\-1&4&-1\\0&-1&0\end{bmatrix}}}
تمثيل فورييهالشفرة الزائفة:

صورة = رقعة الشطرنج

F = تحويل فورييه للصورة

عرض الصورة: log(1+القيمة المطلقة(F))

مرشح تمرير منخفض فورييه
مرشح فورييه عالي التمرير

حشو الصور في ترشيح مجال فورييه

عادةً ما يتم إضافة حواف للصور قبل تحويلها إلى فضاء فورييه، وتوضح الصور المفلترة بترددات عالية أدناه نتائج تقنيات إضافة الحواف المختلفة:

بدون حشوحواف مبطنة متكررة

لاحظ أن مرشح الترددات العالية يُظهر حوافًا إضافية عند إضافة أصفار مقارنة بإضافة حواف متكررة.

أمثلة على تصفية التعليمات البرمجية

مثال MATLAB لتصفية الترددات العالية في المجال المكاني.

img = checkerboard ( 20 ); % إنشاء رقعة الشطرنج % ************************** المجال المكاني *************************** klaplace = [ 0 -1 0 ; -1 5 -1 ; 0 -1 0 ]; % نواة مرشح لابلاس X = conv2 ( img , klaplace ); % تطبيق عملية الالتفاف على صورة الاختبار باستخدام % نواة لابلاس 3x3 figure () imshow ( X , []) % عرض الصورة بعد تطبيق مرشح لابلاس title ( 'كشف حواف لابلاس' )

التحويلات الأفينية

تتيح التحويلات الأفينية إجراء تحويلات أساسية للصور بما في ذلك تغيير الحجم والتدوير والتحريك والانعكاس والقص كما هو موضح في الأمثلة التالية: [ 40 ]

اسم التحويلمصفوفة أفينيةمثال
هوية[100010001]{\displaystyle {\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix}}}
انعكاس[-100010001]{\displaystyle {\begin{bmatrix}-1&0&0\\0&1&0\\0&0&1\end{bmatrix}}}
حجم[جx=2000جy=10001]{\displaystyle {\begin{bmatrix}c_{x}=2&0&0\\0&c_{y}=1&0\\0&0&1\end{bmatrix}}}
تناوب[كوس⁡(θ)الخطيئة⁡(θ)0-الخطيئة⁡(θ)كوس⁡(θ)0001]{\displaystyle {\begin{bmatrix}\cos(\theta )&\sin(\theta )&0\\-\sin(\theta )&\cos(\theta )&0\\0&0&1\end{bmatrix}}}حيث θ = ⁠ π / 6 ⁠ = 30°
قص[1جx=0.50جy=010001]{\displaystyle {\begin{bmatrix}1&c_{x}=0.5&0\\c_{y}=0&1&0\\0&0&1\end{bmatrix}}}

لتطبيق مصفوفة التحويل الأفيني على صورة، تُحوّل الصورة إلى مصفوفة يُمثّل كل عنصر فيها شدة البكسل في ذلك الموقع. بعد ذلك، يُمكن تمثيل موقع كل بكسل كمتجه يُشير إلى إحداثيات ذلك البكسل في الصورة، [ x , y ] ، حيث يُمثّل x و y صف وعمود البكسل في مصفوفة الصورة. يسمح هذا بضرب الإحداثيات بمصفوفة التحويل الأفيني، مما يُعطي الموضع الذي ستُنسخ إليه قيمة البكسل في الصورة الناتجة.

مع ذلك، للسماح بالتحويلات التي تتطلب تحويلات إزاحة، يلزم وجود إحداثيات متجانسة ثلاثية الأبعاد. عادةً ما يُضبط البُعد الثالث على قيمة ثابتة غير صفرية، عادةً 1 ، بحيث تكون الإحداثيات الجديدة [ x , y , 1] . يسمح هذا بضرب متجه الإحداثيات بمصفوفة 3×3، مما يُتيح إزاحات الإزاحة. بالتالي، يسمح البُعد الثالث، أي الثابت 1 ، بالإزاحة.

بما أن ضرب المصفوفات عملية تجميعية ، يمكن دمج عدة تحويلات خطية في تحويل خطي واحد بضرب مصفوفة كل تحويل على حدة بالترتيب الذي تُجرى به التحويلات. ينتج عن ذلك مصفوفة واحدة، عند تطبيقها على متجه نقطي، تعطي نفس نتيجة جميع التحويلات الفردية التي تُجرى على المتجه [ x , y , 1] بالتتابع. بالتالي، يمكن اختزال سلسلة من مصفوفات التحويل الخطي إلى مصفوفة تحويل خطي واحدة.

على سبيل المثال، تسمح الإحداثيات ثنائية الأبعاد بالدوران حول نقطة الأصل (0، 0) فقط . أما الإحداثيات المتجانسة ثلاثية الأبعاد، فيمكن استخدامها لنقل أي نقطة إلى (0، 0) أولًا ، ثم إجراء الدوران، وأخيرًا إعادة نقطة الأصل (0، 0) إلى النقطة الأصلية (عكس النقل الأول). يمكن دمج هذه التحويلات الأفينية الثلاثة في مصفوفة واحدة، مما يسمح بالدوران حول أي نقطة في الصورة. [ 41 ]

إزالة التشويش من الصور باستخدام المورفولوجيا الرياضية

المورفولوجيا الرياضية (MM) هي إطار عمل غير خطي لمعالجة الصور، يحلل الأشكال داخل الصور من خلال فحص نطاقات البكسل المحلية باستخدام دالة صغيرة محددة مسبقًا تُسمى عنصر التشكيل . في سياق الصور الرمادية ، تُعد المورفولوجيا الرياضية مفيدة بشكل خاص لإزالة التشويش من خلال التمدد والتعرية - وهما عمليتان أساسيتان يمكن دمجهما لبناء مرشحات أكثر تعقيدًا.

لنفترض أن لدينا:

  • صورة رمادية منفصلة:و=[45506540605525155]،و:Ω→R،Ω={0،1،2}2،{\displaystyle f={\begin{bmatrix}45&50&65\\40&60&55\\25&15&5\end{bmatrix}},\quad f:\Omega \rightarrow \mathbb {R} ,\quad \Omega =\{0,1,2\}^{2},}
  • عنصر هيكلي:ب=[121211103]،ب:S→R،S={-1،0،1}2.{\displaystyle B={\begin{bmatrix}1&2&1\\2&1&1\\1&0&3\end{bmatrix}},\quad B:{\mathcal {S}}\rightarrow \mathbb {R} ,\quad {\mathcal {S}}=\{-1,0,1\}^{2}.}

هنا،S{\displaystyle {\mathcal {S}}}يحدد نطاق الإحداثيات النسبية(م،ن){\displaystyle (m,n)}والتي تُجرى عليها العمليات المحلية. قيمب(م،ن){\displaystyle B(m,n)}تحريف الصورة أثناء التمدد والتآكل.

تمدد
يُعرَّف تمدد التدرج الرمادي على النحو التالي:

(و⊕ب)(أنا،ج)=الأعلى(م،ن)∈S{و(أنا+م،ج+ن)+ب(م،ن)}.{\displaystyle (f\oplus B)(i,j)=\max _{(m,n)\in {\mathcal {S}}}{\Bigl \{}f(i+m,j+n)+B(m,n){\Bigr \}}.}

على سبيل المثال، يتم حساب التمدد عند الموضع (1، 1) على النحو التالي:

(و⊕ب)(1،1)=الأعلى(و(0،0)+ب(-1،-1)،45+1؛و(1،0)+ب(0،-1)،50+2؛و(2،0)+ب(1،-1)،65+1؛و(0،1)+ب(-1،0)،40+2؛و(1،1)+ب(0،0)،60+1؛و(2،1)+ب(1،0)،55+1؛و(0،2)+ب(-1،1)،25+1؛و(1،2)+ب(0،1)،15+0؛و(2،2)+ب(1،1)5+3)=66.{\displaystyle {\begin{aligned}(f\oplus B)(1,1)=\max \!{\Bigl (}&f(0,0)+B(-1,-1),&\;45+1;&\\&f(1,0)+B(0,-1),&\;50+2;&\\&f(2,0)+B(1,-1),&\;65+1;&\\&f(0,1)+B(-1,0),&\;40+2;&\\&f(1,1)+B(0,0),&\;60+1;&\\&f(2,1)+B(1,0),&\;55+1;&\\&f(0,2)+B(-1,1),&\;25+1;&\\&f(1,2)+B(0,1),&\;15+0;&\\&f(2,2)+B(1,1)&\;5+3{\Bigr )}=66.\end{aligned}}}

تآكل
يُعرَّف التآكل الرمادي على النحو التالي:

(و⊖ب)(أنا،ج)=مين(م،ن)∈S{و(أنا+م،ج+ن)-ب(م،ن)}.{\displaystyle (f\ominus B)(i,j)=\min _{(m,n)\in {\mathcal {S}}}{\Bigl \{}f(i+m,j+n)-B(m,n){\Bigr \}}.}

على سبيل المثال، يتم حساب التآكل عند الموضع (1، 1) على النحو التالي:

(و⊖ب)(1،1)=مين(و(0،0)-ب(-1،-1)،45-1؛و(1،0)-ب(0،-1)،50-2؛و(2،0)-ب(1،-1)،65-1؛و(0،1)-ب(-1،0)،40-2؛و(1،1)-ب(0،0)،60-1؛و(2،1)-ب(1،0)،55-1؛و(0،2)-ب(-1،1)،25-1؛و(1،2)-ب(0،1)،15-0؛و(2،2)-ب(1،1)5-3)=2.{\displaystyle {\begin{aligned}(f\ominus B)(1,1)=\min \!{\Bigl (}&f(0,0)-B(-1,-1),&\;45-1;&\\&f(1,0)-B(0,-1),&\;50-2;&\\&f(2,0)-B(1,-1),&\;65-1;&\\&f(0,1)-B(-1,0),&\;40-2;&\\&f(1,1)-B(0,0),&\;60-1;&\\&f(2,1)-B(1,0),&\;55-1;&\\&f(0,2)-B(-1,1),&\;25-1;&\\&f(1,2)-B(0,1),&\;15-0;&\\&f(2,2)-B(1,1)&\;5-3{\Bigr )}=2.\end{aligned}}}

نتائج

بعد تطبيق التوسيع لـو{\displaystyle f}: [45506540665525155]{\displaystyle {\begin{bmatrix}45&50&65\\40&66&55\\25&15&5\end{bmatrix}}}

بعد تطبيق التعرية علىو{\displaystyle f}: [4550654025525155]{\displaystyle {\begin{bmatrix}45&50&65\\40&2&55\\25&15&5\end{bmatrix}}}

الافتتاح والإغلاق

تُعدّ عمليات التعديل الميكانيكي، مثل الفتح والإغلاق ، عمليات مركبة تستخدم كلاً من التمدد والتعرية لتعديل بنية الصورة. وتُعدّ هذه العمليات مفيدة بشكل خاص لمهام مثل إزالة التشويش، وتنعيم الأشكال، وفصل الأجسام.

  • الفتح : تُجرى هذه العملية بتطبيق التآكل على الصورة أولاً، ثم التمدد. والهدف من الفتح هو إزالة الأجسام الصغيرة أو التشويش من المقدمة مع الحفاظ على البنية العامة للأجسام الأكبر. وهي فعالة بشكل خاص في الحالات التي يظهر فيها التشويش على شكل بكسلات ساطعة معزولة أو ملامح صغيرة منفصلة.

على سبيل المثال، تطبيق الفتح على صورةو{\displaystyle f}مع عنصر هيكليب{\displaystyle B}ستقوم هذه العملية أولاً بتقليل التفاصيل الصغيرة (عن طريق التآكل) ثم استعادة الأشكال الرئيسية (عن طريق التمدد). وهذا يضمن إزالة التشويش غير المرغوب فيه دون تغيير حجم أو شكل الأجسام الأكبر حجماً بشكل ملحوظ.

  • الإغلاق : تُنفَّذ هذه العملية بتطبيق التمدد أولًا، ثم التآكل. يُستخدم الإغلاق عادةً لملء الثقوب أو الفجوات الصغيرة داخل الأجسام، ولربط الأجزاء المكسورة من المقدمة. ويعمل عن طريق توسيع حدود الأجسام مبدئيًا (من خلال التمدد)، ثم تحسين هذه الحدود (من خلال التآكل).

على سبيل المثال، تطبيق الإغلاق على نفس الصورةو{\displaystyle f}سيقوم بملء الفجوات الصغيرة داخل الأشياء، مثل توصيل الفواصل في الخطوط الرفيعة أو إغلاق الثقوب الصغيرة، مع ضمان عدم تأثر المناطق المحيطة بشكل كبير.

يمكن تصور كل من الفتح والإغلاق كطريقتين لتحسين بنية الصورة: الفتح يبسط ويزيل التفاصيل الصغيرة وغير الضرورية، بينما الإغلاق يوحد ويربط الأشياء لتشكيل هياكل أكثر تماسكًا.

عنصر هيكليقناعشفرةمثال
الصورة الأصليةلا أحداستخدم برنامج Matlab لقراءة الصورة الأصلية 
original = imread ( 'scene.jpg' ); image = rgb2gray ( original ); [ r , c , channel ] = size ( image ); se = logical ([ 1 1 1 ; 1 1 1 ; 1 1 1]) ; [ p , q ] = size ( se ); halfH = floor ( p / 2 ); halfW = floor ( q / 2 ); time = 3 ; % إزالة التشويش 3 مرات باستخدام جميع الطرق
اللوتس الأصلي
تمدد[111111111]{\displaystyle {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}}استخدم برنامج Matlab للتمدد 
imwrite ( image , "scene_dil.jpg" ); extractmax = zeros ( size ( image ), class ( image )); for i = 1 : time dil_image = imread ( 'scene_dil.jpg' ); for col = ( halfW + 1 ): ( c - halfW ) for row = ( halfH + 1 ) : ( r - halfH ) dpointD = row - halfH ; dpointU = row + halfH ; dpointL = col - halfW ; dpointR = col + halfW ; dneighbor = dil_image ( dpointD : dpointU , dpointL : dpointR ); filter = dneighbor ( se ); extractmax ( row , col ) = max ( filter ); end end imwrite ( extractmax , "scene_dil.jpg" ); end
إزالة التشويش من الصورة باستخدام طريقة التمدد
تآكل[111111111]{\displaystyle {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}}استخدم برنامج Matlab لتحليل التآكل 
imwrite ( image , 'scene_ero.jpg' ); extractmin = zeros ( size ( image ), class ( image )); for i = 1 : time ero_image = imread ( 'scene_ero.jpg' ); for col = ( halfW + 1 ): ( c - halfW ) for row = ( halfH + 1 ): ( r - halfH ) pointDown = row - halfH ; pointUp = row + halfH ; pointLeft = col - halfW ; pointRight = col + halfW ; neighbor = ero_image ( pointDown : pointUp , pointLeft : pointRight ); filter = neighbor ( se ); extractmin ( row , col ) = min ( filter ); end end imwrite ( extractmin , "scene_ero.jpg" ); end
افتتاح[111111111]{\displaystyle {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}}استخدم برنامج Matlab لفتح... 
imwrite ( extractmin , "scene_opening.jpg" ); extractopen = zeros ( size ( image ), class ( image )); for i = 1 : time dil_image = imread ( 'scene_opening.jpg' ); for col = ( halfW + 1 ): ( c - halfW ) for row = ( halfH + 1 ) : ( r - halfH ) dpointD = row - halfH ; dpointU = row + halfH ; dpointL = col - halfW ; dpointR = col + halfW ; dneighbor = dil_image ( dpointD : dpointU , dpointL : dpointR ); filter = dneighbor ( se ); extractopen ( row , col ) = max ( filter ); end end imwrite ( extractopen , "scene_opening.jpg" ); end
الإغلاق[111111111]{\displaystyle {\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}}}استخدم برنامج Matlab للإغلاق 
imwrite ( extractmax , "scene_closing.jpg" ); extractclose = zeros ( size ( image ), class ( image )); for i = 1 : time ero_image = imread ( 'scene_closing.jpg' ); for col = ( halfW + 1 ): ( c - halfW ) for row = ( halfH + 1 ) : ( r - halfH ) dpointD = row - halfH ; dpointU = row + halfH ; dpointL = col - halfW ; dpointR = col + halfW ; dneighbor = ero_image ( dpointD : dpointU , dpointL : dpointR ); filter = dneighbor ( se ); extractclose ( row , col ) = min ( filter ); end end imwrite ( extractclose , "scene_closing.jpg" ); end
إزالة التشويش من الصورة باستخدام طريقة الإغلاق

التطبيقات

صور الكاميرا الرقمية

تتضمن الكاميرات الرقمية عادةً أجهزة معالجة صور رقمية متخصصة - إما رقائق مخصصة أو دوائر إضافية على رقائق أخرى - لتحويل البيانات الأولية من مستشعر الصورة إلى صورة مصححة الألوان بتنسيق ملف صورة قياسي . تعمل تقنيات المعالجة اللاحقة الإضافية على زيادة حدة الحواف أو تشبع الألوان لإنشاء صور ذات مظهر طبيعي أكثر.

فيلم

كان فيلم Westworld (1973) أول فيلم روائي طويل يستخدم معالجة الصور الرقمية لتشويه الصور الفوتوغرافية ومحاكاة منظور الروبوت. [ 42 ] كما تُستخدم معالجة الصور على نطاق واسع لإنتاج تأثير مفتاح اللون الذي يستبدل خلفية الممثلين بمناظر طبيعية أو فنية.

التعرف على الوجه

عملية التعرف على الوجه

يمكن تنفيذ اكتشاف الوجه باستخدام علم التشكل الرياضي ، وتحويل جيب التمام المنفصل (DCT)، والإسقاط الأفقي .

طريقة عامة مع طريقة قائمة على الميزات

تعتمد طريقة الكشف عن الوجه القائمة على السمات على لون البشرة، وتحديد الحواف، وشكل الوجه، وخصائص الوجه (مثل العينين والفم، إلخ) لتحقيق الكشف عن الوجه. ويمكن وصف لون البشرة وشكل الوجه وجميع العناصر الفريدة التي تميز وجه الإنسان فقط بأنها سمات.

شرح العملية

  1. عند إعطاء مجموعة من صور الوجوه، يتم أولاً استخراج نطاق لون البشرة عن طريق أخذ عينات من صور الوجوه. نطاق لون البشرة هو مجرد فلتر للبشرة.
    1. يمكن تطبيق مقياس مؤشر التشابه الهيكلي (SSIM) لمقارنة الصور من حيث استخراج لون البشرة.
    2. عادةً، تكون مساحات الألوان HSV أو RGB مناسبة لفلتر البشرة. على سبيل المثال، في وضع HSV، يتراوح نطاق لون البشرة بين [0,48,50] و[20,255,255].
  2. بعد تصفية الصور حسب لون البشرة، للحصول على حافة الوجه، يتم استخدام علم التشكل و DCT لإزالة الضوضاء وملء مناطق الجلد المفقودة.
    1. يمكن استخدام طريقة الفتح أو طريقة الإغلاق لتحقيق ملء الجلد المفقود.
    2. يهدف برنامج DCT إلى تجنب الأجسام ذات اللون الشبيه بلون الجلد، لأن وجوه البشر تتميز دائمًا بملمس أكثر وضوحًا.
    3. يمكن تطبيق عامل سوبل أو عوامل أخرى للكشف عن حواف الوجه.
  3. لتحديد موضع ملامح الإنسان مثل العينين، فإن استخدام الإسقاط وإيجاد ذروة الرسم البياني للإسقاط يساعد في الحصول على الملامح التفصيلية مثل الفم والشعر والشفة.
    1. الإسقاط هو مجرد إسقاط الصورة لرؤية التردد العالي، والذي عادة ما يكون موضع الميزة.

طريقة تحسين جودة الصورة

يمكن أن تتأثر جودة الصورة باهتزاز الكاميرا، والتعريض الزائد، وتوزيع مستوى الرمادي المتمركز للغاية، والضوضاء، وما إلى ذلك. على سبيل المثال، يمكن حل مشكلة الضوضاء عن طريق طريقة التنعيم ، بينما يمكن تحسين مشكلة توزيع مستوى الرمادي عن طريق معادلة المدرج التكراري .

طريقة التنعيم

في الرسم، إذا كان هناك لون غير مُرضٍ، يتم أخذ بعض الألوان المحيطة باللون غير المُرضي وحساب متوسطها.

يمكن تطبيق طريقة التنعيم باستخدام قناع وعملية التفاف . خذ الصورة الصغيرة والقناع، على سبيل المثال، كما هو موضح أدناه.

الصورة هي [256531461283027322]{\displaystyle {\begin{bmatrix}2&5&6&5\\3&1&4&6\\1&28&30&2\\7&3&2&2\end{bmatrix}}}

القناع هو[1/91/91/91/91/91/91/91/91/9]{\displaystyle {\begin{bmatrix}1/9&1/9&1/9\\1/9&1/9&1/9\\1/9&1/9&1/9\end{bmatrix}}}

بعد عملية الالتفاف والتنعيم، تصبح الصورة [25653910619927322]{\displaystyle {\begin{bmatrix}2&5&6&5\\3&9&10&6\\1&9&9&2\\7&3&2&2\end{bmatrix}}}

مراقبة الصورة [1، 1]، الصورة [1، 2]، الصورة [2، 1]، والصورة [2، 2].

كانت قيم البكسل في الصورة الأصلية هي 1، 4، 28، 30. بعد تطبيق قناع التنعيم، أصبحت قيم البكسل 9، 10، 9، 9 على التوالي.

صورة جديدة[1، 1] =19{\displaystyle {\tfrac {1}{9}}}* (image[0,0]+image[0,1]+image[0,2]+image[1,0]+image[1,1]+image[1,2]+image[2,0]+image[2,1]+image[2,2])

new image[1, 1] = floor(19{\displaystyle {\tfrac {1}{9}}}* (2+5+6+3+1+4+1+28+30)) = 9

new image[1, 2] = floor({19{\displaystyle {\tfrac {1}{9}}}* (5+6+5+1+4+6+28+30+2)) = 10

new image[2, 1] = floor(19{\displaystyle {\tfrac {1}{9}}}* (3+1+4+1+28+30+7+3+2)) = 9

new image[2, 2] = floor(19{\displaystyle {\tfrac {1}{9}}}* (1+4+6+28+30+2+3+2+2)) = 9

طريقة الرسم البياني لمستويات الرمادي

بشكل عام، عند إعطاء رسم بياني لمستويات الرمادي من صورة كما هو موضح أدناه، فإن تحويل هذا الرسم البياني إلى توزيع منتظم هو ما نسميه عادةً معادلة الرسم البياني .

الشكل 1
الشكل 2

في الزمن المتقطع، تكون مساحة مدرج تكرار مستويات الرمادي هي∑أنا=0كح(صأنا){\displaystyle \sum _{i=0}^{k}H(p_{i})}(انظر الشكل 1) بينما تكون مساحة التوزيع المنتظم∑أنا=0كجي(qأنا){\displaystyle \sum _{i=0}^{k}G(q_{i})}(انظر الشكل 2). من الواضح أن المساحة لن تتغير، لذا∑أنا=0كح(صأنا)=∑أنا=0كجي(qأنا){\displaystyle \sum _{i=0}^{k}H(p_{i})=\sum _{i=0}^{k}G(q_{i})}.

من التوزيع المنتظم، احتمالqأنا{\displaystyle q_{i}}يكونشمال2qك-q0{\displaystyle {\tfrac {N^{2}}{q_{k}-q_{0}}}}بينما0<أنا<ك{\displaystyle 0<i<k}

في الزمن المستمر، تكون المعادلة هي∫q0qشمال2qك-q0دs=∫ص0صح(s)دs{\displaystyle \displaystyle \int _{q_{0}}^{q}{\tfrac {N^{2}}{q_{k}-q_{0}}}ds=\displaystyle \int _{p_{0}}^{p}H(s)ds}.

علاوة على ذلك، واستنادًا إلى تعريف الدالة، فإن طريقة الرسم البياني لمستويات الرمادي تشبه إيجاد دالة.و{\displaystyle f}الذي يحقق f(p)=q.

أسلوب التحسينمشكلةقبل التحسينعمليةبعد التحسين
طريقة التنعيمضوضاء

باستخدام برنامج Matlab، تتم إضافة الملح والفلفل بمعامل 0.01 إلى الصورة الأصلية من أجل إنشاء صورة مشوشة.

  1. قراءة الصورة وتحويلها إلى تدرج رمادي
  2. قم بتطبيق عملية الالتفاف على الصورة الرمادية باستخدام القناع[1/91/91/91/91/91/91/91/91/9]{\displaystyle {\begin{bmatrix}1/9&1/9&1/9\\1/9&1/9&1/9\\1/9&1/9&1/9\end{bmatrix}}}
  3. ستكون الصورة الخالية من التشويش هي نتيجة الخطوة الثانية.
معادلة المدرج التكراريتوزيع مستويات الرمادي مركزي للغاية
راجع معادلة المدرج التكراري

التحديات

  1. التشويش والتشوهات : يمكن أن تؤدي العيوب في الصور الناتجة عن الإضاءة الضعيفة، والمستشعرات المحدودة، وضغط الملفات إلى صور غير واضحة تؤثر على دقة تحويل الصور.
  2. التباين في جودة الصورة : يمكن أن تعيق الاختلافات في جودة الصورة ودقتها، بما في ذلك الصور الضبابية والتفاصيل غير الكاملة، المعالجة الموحدة عبر قاعدة البيانات.
  3. اكتشاف الكائنات والتعرف عليها : إن تحديد الكائنات والتعرف عليها داخل الصور، وخاصة في السيناريوهات المعقدة التي تحتوي على كائنات متعددة وحجب، يمثل تحديًا كبيرًا.
  4. شرح البيانات ووضع العلامات عليها : يعد وضع العلامات على الصور المتنوعة والمتعددة للتعرف الآلي أمرًا بالغ الأهمية لمزيد من دقة المعالجة، حيث يمكن أن يؤدي التحديد غير الصحيح إلى نتائج غير واقعية.
  5. كثافة الموارد الحاسوبية : قد يكون الوصول إلى موارد حاسوبية كافية لمعالجة الصور أمرًا صعبًا ومكلفًا، مما يعيق التقدم بدون موارد كافية.

انظر أيضاً

مراجع

  1. ↑ تشاكرافورتي، براغنان (2018). "ما هي الإشارة؟ [ ملاحظات المحاضرة ] ". مجلة معالجة الإشارات IEEE . 35 (5): 175-177 . Bibcode : 2018ISPM...35e.175C . doi : 10.1109/MSP.2018.2832195 . S2CID 52164353 . 
  2. ^ جونزاليس ، رافائيل (2018). معالجة الصور الرقمية . نيويورك، نيويورك: بيرسون. رقم ISBN 978-0-13-335672-4. OCLC 966609831 . 
  3. ↑ ناغورنوف، نيكولاي ن.؛ لياخوف، بافيل أ.؛ بيرجرمان، مكسيم ف.؛ كاليتا، ديانا إ. (2024). "الاتجاهات الحديثة في تحسين الخصائص التقنية للأجهزة والأنظمة لمعالجة الصور الرقمية" . IEEE Access . 12 : 44659–44681 . Bibcode : 2024IEEEA..1244659N . doi : 10.1109/ACCESS.2024.3381493 . ISSN 2169-3536 . 
  4. ↑ يمني، محمد؛ داوي، أشرف؛ عبد اللطيف، أحمد أ. (فبراير 2024). "إخفاء المعلومات في الصور الملونة بكفاءة عالية باستخدام نظام ديناميكي فوضوي مُعدَّل جديد مع تحويلات العزوم المتعامدة المنفصلة" . الرياضيات والحاسوب في المحاكاة . 225 : 1170-1198 . doi : 10.1016/j.matcom.2024.01.023 .
  5. ↑ هونغ، تشي-لون (28 مايو 2020). "الخوارزميات الحسابية في معالجة الصور الطبية" . التصوير الطبي الحالي . 16 (5): 467-468 . doi : 10.2174/157340561605200410144743 . PMID 32484080 . 
  6. ↑ أزرييل روزنفيلد، معالجة الصور بواسطة الحاسوب ، نيويورك: دار النشر الأكاديمية، 1969
  7. ↑ غونزاليس، رافائيل سي. (2008). معالجة الصور الرقمية . وودز، ريتشارد إي. (ريتشارد يوجين)، 1954– ( الطبعة الثالثة). أبر سادل ريفر، نيوجيرسي: برنتيس هول. الصفحات 23– 28. ISBN   978-0-13-168728-8. OCLC 137312858 . 
  8. 1 2 3 ويليامز، جيه بي (2017). ثورة الإلكترونيات: ابتكار المستقبل . سبرينغر. ص 245-248 . ISBN  978-3-319-49088-5.
  9. ↑ US2802760A ، لينكولن، ديريك وفروش ، كارل جيه، "أكسدة الأسطح شبه الموصلة من أجل الانتشار المتحكم فيه"، صدر في 13 أغسطس 1957 
  10. ↑ فروتش، سي جيه؛ ديريك، إل (1957). "حماية السطح والتغطية الانتقائية أثناء الانتشار في السيليكون" . مجلة الجمعية الكهروكيميائية . 104 (9): 547. doi : 10.1149/1.2428650 .
  11. ↑ كانغ، د. (1961). "جهاز سطحي من السيليكون وثاني أكسيد السيليكون" . مذكرة فنية لمختبرات بيل : 583-596 . doi : 10.1142/9789814503464_0076 . ISBN 978-981-02-0209-5.{{cite journal}}عدم توافق رقم ISBN / التاريخ ( مساعدة )
  12. ↑ لويك، بو (2007). تاريخ هندسة أشباه الموصلات . برلين، هايدلبرغ: سبرينغر-فيرلاغ برلين هايدلبرغ. ص 321. ISBN  978-3-540-34258-8.
  13. ↑ ليجينزا، جيه آر؛ سبيتزر، دبليو جي (1960). "آليات أكسدة السيليكون في البخار والأكسجين" . مجلة فيزياء وكيمياء المواد الصلبة . 14 : 131-136 . Bibcode : 1960JPCS...14..131L . doi : 10.1016/0022-3697(60)90219-5 .
  14. ↑ لويك، بو (2007). تاريخ هندسة أشباه الموصلات . سبرينغر ساينس آند بيزنس ميديا . ص 120. ISBN  9783540342588.
  15. ↑ جيمس ر. جانسيك (2001). أجهزة اقتران الشحنات العلمية . مطبعة SPIE. الصفحات 3-4 . ISBN  978-0-8194-3698-6.
  16. ↑ بويل، ويليام س؛ سميث، جورج إي . (1970). "أجهزة أشباه الموصلات المقترنة بالشحنة". مجلة بيل سيستم التقنية 49 (4): 587-593 . رمز Bibcode : 1970BSTJ...49..587B . doi : 10.1002/j.1538-7305.1970.tb01790.x .
  17. ↑ فوسوم، إريك ر. (12 يوليو 1993). "مستشعرات البكسل النشطة: هل أصبحت أجهزة اقتران الشحنة من الماضي؟". في: بلوك، مورلي م. (محرر). أجهزة اقتران الشحنة ومستشعرات الحالة الصلبة البصرية III . وقائع SPIE. المجلد 1900. الصفحات 2-14 . Bibcode : 1993SPIE.1900....2F . CiteSeerX 10.1.1.408.6558 . doi : 10.1117/12.148585 . S2CID 10556755 .    
  18. ↑ فوسوم، إريك ر. (2007). "مستشعرات البكسل النشطة" ( ملف PDF) . إريك فوسوم . S2CID 18831792. مؤرشف (ملف PDF) من الأصل في 29 أغسطس 2019. 
  19. ↑ ماتسوموتو، كازويا؛ وآخرون (1985). "ترانزستور ضوئي جديد من نوع MOS يعمل في وضع قراءة غير مُتلف". المجلة اليابانية للفيزياء التطبيقية . 24 (5A): L323. Bibcode : 1985JaJAP..24L.323M . doi : 10.1143/JJAP.24.L323 . S2CID 108450116 .  
  20. ↑ فوسوم، إريك ر .؛ هوندونغوا، د.ب. (2014). "مراجعة للثنائي الضوئي المثبت لمستشعرات الصور CCD وCMOS" . مجلة IEEE لجمعية أجهزة الإلكترونيات . 2 (3): 33-43 . Bibcode : 2014IJEDS...2...33F . doi : 10.1109/JEDS.2014.2306412 .
  21. ↑ "مبيعات مستشعرات الصور بتقنية CMOS تحافظ على وتيرة قياسية" . IC Insights . 8 مايو 2018. مؤرشف من الأصل في 21 يونيو 2019. تم الاطلاع عليه في 6 أكتوبر 2019 .
  22. ↑ ليون، ريتشارد ف. (2014). "الفأرة البصرية: رؤية مضمنة محاكاة حيوية مبكرة" . التطورات في رؤية الحاسوب المضمنة . سبرينغر. ص 3-22 (3). ISBN  9783319093871.
  23. ↑ ليون، ريتشارد ف. (أغسطس 1981). "الفأرة الضوئية، ومنهجية معمارية لأجهزة الاستشعار الرقمية الذكية" (ملف PDF) . في: إتش تي كونغ؛ روبرت ف. سبرول؛ جاي ل. ستيل (محررون). أنظمة VLSI والحسابات . مطبعة علوم الحاسوب. الصفحات 1-19 . doi : 10.1007/978-3-642-68402-9_1 . ISBN  978-3-642-68404-3. S2CID 60722329 . مؤرشف (PDF) من الأصل بتاريخ 26 فبراير 2014. 
  24. ↑ براين، مارشال؛ كارماك، كارمن (24 أبريل 2000). "كيف تعمل فأرة الحاسوب" . HowStuffWorks . تم الاطلاع عليه في 9 أكتوبر 2019 .
  25. ↑ بينشوف، برايان (17 أبريل 2016). "بناء أول كاميرا رقمية" . هاكاداي . تم الاسترجاع في 30 أبريل 2016. كانت كاميرا سايكلوبس أول كاميرا رقمية .
  26. ↑ أحمد، ناصر (يناير 1991). "كيف توصلتُ إلى تحويل جيب التمام المنفصل" . معالجة الإشارات الرقمية . 1 (1): 4-5 . رمز Bibcode : 1991DSP.....1....4A . doi : 10.1016/1051-2004(91)90086-Z . مؤرشف من الأصل في 10 يونيو 2016. تم الاطلاع عليه في 10 أكتوبر 2019 .
  27. ↑ "T.81 - الضغط الرقمي وتشفير الصور الثابتة ذات التدرج اللوني المتواصل - المتطلبات والإرشادات" (ملف PDF) . CCITT . سبتمبر 1992. مؤرشف (ملف PDF) من الأصل في 17 يوليو 2019. تم الاطلاع عليه في 12 يوليو 2019 .
  28. ↑ سفيتليك، جو (31 مايو 2018). "شرح تنسيق صور JPEG" . مجموعة بي تي . مؤرشف من الأصل في 5 أغسطس 2019. تم الاطلاع عليه في 5 أغسطس 2019 .
  29. ↑ كابلان، بول (24 سبتمبر 2013). "ما هو ملف JPEG؟ الشيء غير المرئي الذي تراه كل يوم" . مجلة ذا أتلانتيك . مؤرشف من الأصل في 9 أكتوبر 2019. تم الاطلاع عليه في 13 سبتمبر 2019 .
  30. ↑ بارانيوك، كريس (15 أكتوبر 2015). "إغلاق بسبب صور JPEG: لجنة تبحث خيارات التقييد" . بي بي سي نيوز . مؤرشف من الأصل في 9 أكتوبر 2019. تم الاطلاع عليه في 13 سبتمبر 2019 .
  31. ↑ ناغورنوف، نيكولاي ن.؛ لياخوف، بافيل أ.؛ فالويفا، ماريا ف.؛ بيرجرمان، ماكسيم ف. (2022). "مُسرّعات FPGA القائمة على RNS لمعالجة الموجات ثلاثية الأبعاد عالية الجودة في الصور الطبية باستخدام معاملات ترشيح مُقاسة" . IEEE Access . 10 : 19215-19231 . Bibcode : 2022IEEEA..1019215N . doi : 10.1109/ACCESS.2022.3151361 . ISSN 2169-3536 . S2CID 246895876. تُنتج أنظمة التصوير الطبي صورًا أكثر دقة بجودة مُحسّنة باستخدام دقة مكانية أعلى وعمق بت لوني أكبر. تُؤدي هذه التحسينات إلى زيادة كمية المعلومات التي يجب تخزينها ومعالجتها ونقلها.  
  32. ↑ ضويب، د.؛ نايت علي، أ.؛ أوليفييه، س.؛ ناصر، م.س. (يونيو 2021). "استراتيجية ضغط بيانات التصوير بالرنين المغناطيسي ثلاثي الأبعاد للدماغ باستخدام مناطق الاهتمام للاتصالات اللاسلكية" . IRBM . 42 (3): 146-153 . doi : 10.1016/j.irbm.2020.05.001 . S2CID 219437400. نظرًا للكم الهائل من بيانات التصوير الطبي، تصبح عملية الإرسال معقدة في تطبيقات التطبيب عن بُعد. لذا، من أجل تكييف تدفقات بتات البيانات مع القيود المتعلقة بمحدودية عرض النطاق الترددي ، يُعد تقليل حجم البيانات عن طريق ضغط الصور أمرًا ضروريًا. 
  33. ↑ شين، غانغتاو؛ فان، بينغي (11 يونيو 2021). "طريقة ضغط غير ضائعة للصور الطبية متعددة المكونات تعتمد على استخراج البيانات الضخمة" . التقارير العلمية . 11 (1): 12372. doi : 10.1038/s41598-021-91920-x . ISSN 2045-2322 . PMC 8196061. PMID 34117350 .   
  34. ↑ جرانت، دنكان أندرو؛ جوار، جون (1989). ترانزستورات MOSFET للطاقة: النظرية والتطبيقات . وايلي . ص 1. ISBN  978-0-471-82867-9يُعد ترانزستور تأثير المجال لأشباه الموصلات المعدنية المؤكسدة (MOSFET) أكثر الأجهزة النشطة استخدامًا في التكامل واسع النطاق جدًا للدوائر الرقمية المتكاملة (VLSI). خلال سبعينيات القرن الماضي، أحدثت هذه المكونات ثورة في معالجة الإشارات الإلكترونية وأنظمة التحكم والحواسيب.
  35. ↑ شريف، كين (30 أغسطس 2016). " القصة المدهشة لأولى المعالجات الدقيقة" . مجلة IEEE Spectrum . 53 (9). معهد مهندسي الكهرباء والإلكترونيات : 48-54 . doi : 10.1109/MSPEC.2016.7551353 . S2CID 32003640. مؤرشف من الأصل في 13 أكتوبر 2019. تم الاطلاع عليه في 13 أكتوبر 2019 . 
  36. 1 2 "1979: تقديم معالج الإشارات الرقمية أحادي الشريحة" . محرك السيليكون . متحف تاريخ الحاسوب . مؤرشف من الأصل في 3 أكتوبر 2019. تم الاطلاع عليه في 14 أكتوبر 2019 .
  37. ↑ تارانوفيتش، ستيف (27 أغسطس 2012). "30 عامًا من معالجة الإشارات الرقمية: من لعبة أطفال إلى الجيل الرابع وما بعده" . EDN . مؤرشف من الأصل في 14 أكتوبر 2019. تم الاطلاع عليه في 14 أكتوبر 2019 .
  38. ↑ ستانكوفيتش، رادومير س.؛ أستولا، جاكو ت. (2012). "ذكريات العمل المبكر في مجال تحويل فورييه الرقمي: مقابلة مع ك. ر. راو" (ملف PDF) . إعادة طبع من كتاب "الأيام الأولى لعلوم المعلومات" . 60. مؤرشف (ملف PDF) من الأصل في 13 أكتوبر 2019. تم الاطلاع عليه في 13 أكتوبر 2019 .
  39. ↑ تشانغ، إم زد؛ ليفينغستون، إيه آر؛ أساري، في كيه (2008). "معمارية عالية الأداء لتنفيذ الالتفاف ثنائي الأبعاد باستخدام نواة متناظرة رباعية". المجلة الدولية للحاسبات والتطبيقات . 30 (4): 298-308 . doi : 10.1080/1206212x.2008.11441909 . S2CID 57289814 . 
  40. 1 2 غونزاليس، رافائيل (2008). معالجة الصور الرقمية، الطبعة الثالثة . بيرسون هول. ISBN 978-0-13-168728-8.
  41. ↑ هاوس، كايزر (6 ديسمبر 2016). التحويلات الأفينية (ملف PDF) . أسس النمذجة والرسوم المتحركة القائمة على الفيزياء. إيه كيه بيترز/سي آر سي برس. رقم ISBN 978-1-4822-3460-2تمت أرشفة الملف (PDF) من النسخة الأصلية بتاريخ 30 أغسطس 2017. تم الاطلاع عليه بتاريخ 26 مارس 2019 .{{cite book}}تم |website=تجاهله ( مساعدة )
  42. ↑ تاريخ موجز ومبكر لرسومات الحاسوب في الأفلام، مؤرشف في 17 يوليو 2012 في Wayback Machine ، بقلم لاري ياغر ، 16 أغسطس 2002 (آخر تحديث)، تم استرجاعه في 24 مارس 2010

للمزيد من القراءة

  • سولومون، سي جيه؛ بريكون، تي بي (2010). أساسيات معالجة الصور الرقمية: منهج عملي مع أمثلة في ماتلاب . وايلي-بلاك ويل. doi : 10.1002/9780470689776 . ISBN 978-0-470-84473-1.
  • فيلهلم برجر؛ مارك ج. بيرج (2007). معالجة الصور الرقمية: منهج خوارزمي باستخدام جافا . سبرينغر . ISBN 978-1-84628-379-6.
  • آر. فيشر؛ ك. داوسون-هاو؛ أ. فيتزجيبون؛ س. روبرتسون؛ إ. تروكو (2005). قاموس رؤية الحاسوب ومعالجة الصور . جون وايلي. ISBN 978-0-470-01526-1.
  • رافائيل سي. غونزاليس؛ ريتشارد إي. وودز؛ ستيفن إل. إيدينز (2004). معالجة الصور الرقمية باستخدام MATLAB . بيرسون للتعليم. ISBN 978-81-7758-898-9.
  • تيم موريس (2004). رؤية الحاسوب ومعالجة الصور . بالغراف ماكميلان. ISBN 978-0-333-99451-1.
  • فيبين تياجي (2018). فهم معالجة الصور الرقمية . تايلور وفرانسيس، مطبعة سي آر سي. رقم ISBN 978-11-3856-6842.
  • ميلان سونكا؛ فاتسلاف هلافاتش؛ روجر بويل (1999). معالجة الصور وتحليلها ورؤية الآلة . دار نشر PWS. رقم ISBN 978-0-534-95393-5.
  • غونزاليس، رافائيل سي؛ وودز، ريتشارد إي (2008). معالجة الصور الرقمية . أبر سادل ريفر، نيوجيرسي: برنتيس هول. ISBN 978-0-13-168728-8. OCLC 137312858 . 
  • كوفاليفسكي، فلاديمير (2019). الخوارزميات الحديثة لمعالجة الصور: التصوير الحاسوبي بالأمثلة باستخدام لغة سي شارب . [نيويورك، نيويورك]. ISBN 978-1-4842-4237-7. OCLC 1080084533 . {{cite book}}: CS1 maint: موقع الناشر مفقود ( رابط )