افزایش کیفیت تصویر یکی از موضوعات مهم در حوزه پردازش تصویر است که در حال حاضر در بسیاری از صنایع اهمیت زیادی پیدا کرده است. با پیشرفت فناوری و استفاده گسترده از دوربین‌های دیجیتال، تصاویر به عنوان یک عنصر کلیدی در ارتباطات بشری به حساب می‌آیند. افزایش کیفیت تصویر به معنای بهبود جزئیات، شفافیت، و واقعی‌تر شدن تصاویر است که از طریق فرآیندهای پردازش تصویر و الگوریتم‌های مرتبط به دست می‌آید.
با توجه به اهمیت کیفیت تصویر، توسعه الگوریتم‌ها و روش‌هایی که قادر به افزایش کیفیت تصویر هستند، امری بسیار مهم است. این الگوریتم‌ها و روش‌ها در MATLAB و دیگر نرم‌افزارهای پردازش تصویر، به محققان، توسعه‌دهندگان و کاربران عادی امکان می‌دهند تا با استفاده از تکنیک‌های پیشرفته، تصاویر با کیفیتی بهتر و با جزئیات بیشتر را به دست آورند.
برای افزایش کیفیت تصویر مفاهیمی مانند رزولوشن، نویز،فیلترینگ،تراکم سازی ، ترمیم تصویر، تبدیلات موجک و .. مورد توجه قرار می گیرند که در ادامه با تمامی این مفاهیم آشنا می شویم:
رزولوشن (Resolution): رزولوشن تصویر به تعداد پیکسل‌هایی اشاره دارد که در تصویر موجود هستند. افزایش رزولوشن تصویر به معنای افزایش تعداد پیکسل‌ها در تصویر است و جزئیات و وضوح تصویر افزایش می یابد.
نویز (Noise): نویز تصویر ممکن است به علت عوامل مختلفی مانند دستگاه عکس‌برداری ناپایدار، شرایط نوری ضعیف یا خرابی در مدار‌های الکترونیکی به وجود آید. نویز تصویر باعث کاهش کیفیت و شفافیت تصویر می‌شود. در افزایش کیفیت تصویر، تلاش می‌شود نویزهای موجود در تصویر حذف یا کاهش یابند.
فیلترینگ (Filtering): فیلترینگ تصویر به معنای اعمال یک فیلتر یا ماسک بر روی تصویر است. فیلترها معمولاً برای کاهش نویز، تراکم‌سازی یا بهبود جزئیات تصویر استفاده می‌شوند. فیلترهای مختلفی مانند فیلترهای میانگین، گوسی، میانه و شارپنینگ (شارپ کردن تصویر) وجود دارند.
تراکم‌سازی (Compression): تراکم‌سازی تصویر به معنای کاهش حجم تصویر است. این کاهش می‌تواند به دو صورت با از دست دادن برخی اطلاعات (فشرده‌سازی با از دست دادن اطلاعات) یا بدون از دست دادن اطلاعات (فشرده‌سازی بدون از دست دادن اطلاعات) انجام شود. در افزایش کیفیت تصویر، می‌توان با استفاده از روش‌های تراکم‌سازی بدون از دست دادن اطلاعات، کیفیت تصویر را بهبود داد.
ترمیم تصویر (Image Restoration): ترمیم تصویر به معنای بازسازی تصویر اصلی از تصویری که از آن تغییر یافته است، است. در حالت‌هایی که تصویر موردنظر دارای نویز یا عیوب دیگر است، می‌توان با استفاده از الگوریتم‌های ترمیم تصویر، تصویر را بازسازی کرد و کیفیت آن را بهبود داد.
تبدیلات موجک (Wavelet Transform): تبدیلات موجک یک روش پردازسیگنال هستند که برای تجزیه و تحلیل تصاویر استفاده می‌شوند. این تبدیلات به صورت همزمان در فضای زمان و فضای فرکانس اطلاعات تصویر را مدل‌سازی می‌کنند و امکان تشخیص الگوها و ساختارهای مختلف در تصویر را فراهم می‌کنند. با استفاده از تبدیلات موجک، می‌توان اطلاعات فرکانسی تصویر را به صورت سلسله مراتبی استخراج کرده و در فرکانس‌های مختلف تصویر عملیات پردازش را انجام داد.
این مفاهیم و فنون برای افزایش کیفیت تصویر به کار می‌روند. برای مثال، با استفاده از روش‌های ترمیم تصویر، می‌توان نویزها را حذف و جزئیات تصویر را بهبود داد. با استفاده از فیلترهای مختلف، می‌توان نویزها را کاهش داده و تصویر را شفاف‌تر کرد. همچنین، با استفاده از تبدیلات موجک، می‌توان سیگنال‌های فرکانسی موجود در تصویر را تحلیل کرده و بازسازی با کیفیت تصویر را انجام داد.
به طور کلی، افزایش کیفیت تصویر ممکن است به وسیله تغییر رزولوشن، حذف نویز، بهبود وضوح، بازسازی تصویر، استفاده از فیلترها و تبدیلات موجک و سایر فنون پردازش تصویر صورت بگیرد.
از ابزار هایی که می توان در افزایش کیفیت تصویر از آن استفاده کرد می توان به متلب اشاره کرد
در واقع، با استفاده از الگوریتم‌ها و تکنیک‌های پردازش تصویر موجود در متلب، می‌توانید کیفیت تصاویر را ارتقا دهید.
تعمیر و ترمیم تصویر: با استفاده از الگوریتم‌های ترمیم تصویر در متلب می‌توانید تصاویری که دارای نویز، خطا یا عیوب دیگری هستند را ترمیم کنید. مثلاً با استفاده از الگوریتم‌های ترمیم بیضی (inpainting) می‌توانید لکه‌ها و خطوط موجود در تصاویر را حذف کرده و تصویر را بهبود دهید.
تکنیک‌های رفع نویز: متلب دارای الگوریتم‌ها و تکنیک‌های مختلفی است که برای رفع نویز در تصاویر مورد استفاده قرار می‌گیرند. این تکنیک‌ها از جمله فیلترهای میانگین (average filters)، فیلترهای گوسی (Gaussian filters)، فیلترهای میانه (median filters) و فیلترهای تطبیقی (adaptive filters) است. با استفاده از این تکنیک‌ها می‌توانید نویزهای موجود در تصاویر را کاهش دهید و کیفیت تصویر را بهبود بخشید.
تکنیک‌های تسویه رنگ: متلب ابزارهایی برای تسویه رنگ تصاویر را در اختیار شما قرار می‌دهد. با استفاده از این ابزارها می‌توانید تصاویر را تنظیم کنید، تعادل رنگی را بهبود بخشید و رنگ‌های غلط را اصلاح کنید.
دوره جعبه ابزار هوش مصنوعی
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام دوره معرفی دوره جعبه ابزار…
دوره جامع هوش مصنوعی
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره هوش مصنوعی دیگر…
دوره کسب درآمد از هوش مصنوعی
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره همانطور که یادگیری…
دوره پردازش زبان طبیعی
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره ما انسان ها…
دوره بینایی ماشین
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره ما انسان ها…
دوره یادگیری عمیق
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره یادگیری عمیق زیرشاخه‌ای…
دوره یادگیری ماشین
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره اگر بخواهیم به…
دوره پایتون و ریاضیات هوش مصنوعی
معرفی دوره چرا این دوره؟ پس از پایان دوره چرا اسمارتک سوالات متداول ثبت نام معرفی دوره این دوره 30…
وبینار هوش مصنوعی و هوش طبیعی
هوش مصنوعی و هوش طبیعی: یه عالمه فرصت و چالش!
همیشه دوست داشتی بدونی هوش مصنوعی چیه و چطوری کار می‌کنه؟تو این وبینار، با هوش مصنوعی و هوش طبیعی آشنا می‌شی و می‌فهمی که چه جوری می‌تونن زندگی و کارمون رو تغییر بدن.از فرصت‌های جذاب هوش مصنوعی می‌شنوی و با چالش‌های پیش روی اون آشنا می‌شی.پس یه فرصت به خودت بده و تو این وبینار شرکت کن!مطمئنم که پشیمون نمی‌شی
مینی دوره پایتون
افزایش کیفیت تصویر در متلب
1.بارگذاری تصویر: در مرحله اول باید با استفاده از تابع imread، تصویر مورد نظر را در MATLAB بارگذاری کنید و آن را به یک ماتریس تصویر تبدیل کنید.
image = imread(‘image.jpg’);
2.اصلاح روشنایی و کنتراست: با استفاده از تابع imadjust، می‌توانید روشنایی و کنتراست تصویر را تنظیم کنید.
adjusted_image = imadjust(image);
3.حذف نویز: اگر تصویر دارای نویز است، می‌توانید از فیلترهای مختلفی مانند فیلتر میانه (median filter) یا فیلتر گاوسی (Gaussian filter) استفاده کنید تا نویز را حذف کنید.
denoised_image = imgaussfilt(adjusted_image, sigma);
در اینجا، sigma پارامتری است که میزان اعمال فیلتر گاوسی را تعیین می‌کند.
- افزایش وضوح: برای افزایش وضوح تصویر، می‌توانید از روش‌هایی مانند شارپنس (sharpening) استفاده کنید.
sharpened_image = imsharpen(denoised_image);
- آپ‌سمپلینگ (Upsampling): در صورت نیاز به افزایش اندازه تصویر، می‌توانید از روش‌های آپ‌سمپلینگ مانند تابع imresize استفاده کنید.
resized_image = imresize(sharpened_image, scale_factor);
در اینجا، scale_factor ضریب مقیاس است که مشخص می‌کند تصویر به چه اندازه بزرگتر شود.
- نمایش تصویر: با استفاده از تابع imshow، تصویر نهایی را نمایش دهید.
imshow(resized_image);
توجه داشته باشید که این مراحل فقط نمونه‌ای از روش‌های معمول برای افزایش کیفیت تصویر در MATLAB هستند. بسته به نوع تصویر و نیازهای خاص شما، ممکن است نیاز به روش‌های دیگری داشته باشید. همچنین، مقادیر پارامترها را می‌توانید بر اساس نیازهای خود تنظیم کنید.
چند مثال کاربردی در افزایش کیفیت تصویر در متلب
افزایش و کاهش روشنایی یک تصویر در متلب
اگر جسمی در یک اتاق تاریک قرار گیرد، نور بسیار کمتری از آن جسم ساطع می‌شود، بنابراین ما نمی‌توانیم آن شی را به درستی ببینیم. منظور از روشنایی در زمینه یک تصویر دیجیتال سطح شدت پیکسل های تصویر است. می دانیم که شدت 0 به معنای پیکسل تیره و شدت 1 به معنای پیکسل سفید است. بنابراین، روشنایی را می توان به عنوان مقدار میانگین شدت تمام پیکسل های یک تصویر گفت.
Image_var = imread(“path of image”);
image = image – C; where C is constant, like 50.
Image = image + C; where C is constant, like 50.
Imtool(image_var, [ ]);
مثال اول:
% MATLAB code for read the image
.% and convert into dark and bright images
org_image=imread(“lady_with_hat.jfif”);
dark_image=uint8(org_image-50);
bright_image=uint8(org_image+50);
% Bring the all three images to see
.% the difference in brightness
imtool(org_image, []);
imtool(dark_image, []);
imtool(bright_image, []);
مثال دوم:
% MATLAB code for read the colored image
.% and convert into dark and bright images
org_image=imread(“logo.png”);
dark_image=uint8(org_image-50);
bright_image=uint8(org_image+50);
% Bring the all three images to see
.% the difference in brightness
imtool(org_image, []);
imtool(dark_image, []);
imtool(bright_image, []);
برای افزایش روشنایی باید شدت هر پیکسل را افزایش دهیم. تصویر مجموعه ای از مقادیر پیکسل است. ما فقط می توانیم به هر مقدار پیکسل یک مقدار ثابت اضافه کنیم. برای کاهش روشنایی می‌توانیم یک مقدار ثابت را از تمام پیکسل‌های تصویر کاهش دهیم.
خلاصه
متلب (MATLAB) یک نرم‌افزار محاسباتی قدرتمند است که عموماً در حوزه‌های مختلفی از جمله پردازش تصویر استفاده می‌شود. افزایش کیفیت تصویر یکی از کاربردهای مهم متلب در حوزه پردازش تصویر است.با استفاده از متلب، می‌توان با انجام عملیات پردازش تصویر ، کیفیت تصاویر را بهبود بخشید. این کار شامل افزایش وضوح تصاویر، حذف نویز و تصحیح رنگ می‌شود. برای این منظور، متلب ابزارها و توابع متنوعی را در اختیار قرار می‌دهد از این ابزار می توان به حذف نویز، تصحیح رنگ ، آپ‌سمپلینگ و… اشاره کرد.
