Computerbilleddannelse er et felt inden for datalogi , der samler forskellige teknikker relateret til produktion, behandling, indeksering og komprimering af digitale billeder. Et digitalt billede er en binær repræsentation af et billede, der består af en matrix af punkter kaldet pixels, som kan have forskellige dimensioner ( rumlige, tidsmæssige osv. ) og forskellige kodningsniveauer ( farver, gråniveauer osv. ).
imaging har mange applikationer inden for forskellige områder, såsom billedsyntese, virtual reality, augmented reality, 3D-modellering billedbehandling videobehandling , videoredigering , komprimering , computersyn billedsøgning efter indhold eller endda videospil .
I denne artikel vil vi introducere dig til de grundlæggende principper for computerbilleddannelse, typer af digitale billeder, metoder til billedbehandling og analyse samt de vigtigste anvendelsesområder for denne teknologi .
Hvilke typer digitale billeder er der?
Computerbilleddannelse er afhængig af tre hovedstadier: erhvervelse , transformation og visualisering af digitale billeder .
Indsamling af digitale billeder
Digital billedoptagelse involverer at konvertere et analogt billede (f.eks. et fotografi eller en virkelig scene) til et digitalt billede. For at gøre dette skal vi bruge enheder, der er i stand til at fange lys og omdanne det til elektriske signaler og derefter til binære data. Disse enheder kaldes sensorer eller analog-til-digital-konvertere. Der findes forskellige typer sensorer, afhængigt af hvilken type billede, der skal optages ( stillbillede eller levende billede, farve- eller sort/hvid-billede osv.) og afhængigt af anvendelsesområdet (fotografi, video, scanner, termisk kamera osv.) .).
Transformation af digitale billeder
Transformationen af digitale billeder består i at modificere de binære data, der repræsenterer billedet, for at forbedre dets kvalitet, udtrække relevant information eller skabe nye. For at gøre dette skal du bruge computerprogrammer, der anvender specifikke algoritmer til digitale billeder. Disse programmer kaldes billedsoftware eller grafikværktøjer. Der findes forskellige typer billedbehandlingssoftware, afhængigt af hvilken type transformation, der skal udføres (korrektion, filtrering, segmentering, kantdetektion, formgenkendelse osv.) og afhængigt af anvendelsesområdet (fotoredigering , videoredigering, syntese). billede osv.).
Visning af digitale billeder
Visning af digitale billeder involverer visning af det digitale billede på et passende medie, såsom en computerskærm, printer eller projektor. For at gøre dette er det nødvendigt at bruge enheder, der er i stand til at konvertere binære data til elektriske eller optiske signaler, som vil stimulere elementerne i støtten. Disse enheder kaldes digital-til-analog-konvertere. Der er forskellige typer digital-til-analog-konvertere afhængigt af den anvendte type medie (LCD-skærm, OLED-skærm, inkjetprinter, laserprinter osv.) og afhængigt af den ønskede visningstilstand (2D- eller 3D-billede, stereoskopisk billede eller holografisk osv.)
Hvilke typer digitale billeder er der?
Der findes forskellige typer digitale billeder, afhængigt af hvordan pixels er kodet og organiseret. Vi kan skelne mellem to hovedkategorier: rasterbilleder og vektorbilleder.
Raster billeder
Rasterbilleder er billeder, der består af et gitter af pixels, hvor hver pixel har en værdi, der repræsenterer dens farve eller gråniveau. Rasterbilleder er velegnede til at repræsentere realistiske billeder med fine detaljer og farvenuancer. De er også nemme at manipulere med billedbehandlingssoftware , som kan anvende pixel-for-pixel-transformationer. Rasterbilleder har dog også ulemper: de fylder meget i hukommelsen, de er modtagelige for støj og kompressionsartefakter, og de mister kvalitet, når de forstørres eller formindskes.
Der er forskellige filformater til lagring af rasterbilleder, såsom J PEG, PNG, GIF, BMP, TIFF osv Disse formater kan klassificeres efter, om de er komprimerede eller ukomprimerede, og om de er tabsgivende eller tabsfri. Et komprimeret format reducerer filstørrelsen ved at eliminere visse overflødige eller knapt mærkbare oplysninger. Et tabsformat fjerner information, der kan ændre kvaliteten af billedet, mens et tabsfrit format bevarer alle oplysninger.
Vektor billeder
Vektorbilleder er billeder, der består af geometriske objekter, såsom punkter, linjer, kurver, polygoner osv., hvor hvert objekt har attributter, der definerer dets position, form, farve, fyld osv. Vektorbilleder er velegnede til at repræsentere simple billeder med regelmæssige former og ensartede farver. De er også nemme at ændre med vektortegnesoftware , som kan anvende geometriske transformationer til objekter. Derudover har vektorbilleder den fordel, at de optager lidt hukommelsesplads, er ufølsomme over for støj og kompression og bevarer deres kvalitet uanset zoomniveauet .
Der er forskellige filformater til lagring af vektorbilleder , såsom SVG, EPS, PDF, WMF osv. Disse formater kan klassificeres efter, om de er standard eller proprietære, og om de er kompatible med webbrowsere eller ej. Et standardformat er et format, der følger en åben standard og kan læses af forskellig software. Et proprietært format er et, der ejes af en virksomhed eller en organisation, og som kan kræve specifik software at spille. Et webbrowserkompatibelt format er et format, der kan vises direkte på en webside uden behov for et plugin eller eksternt program .
Hvad er metoderne til behandling og analyse af digitale billeder?
Behandling og analyse af digitale billeder består i at anvende operationer på digitale billeder for at forbedre deres kvalitet, udtrække nyttig information eller skabe nye . Der er forskellige metoder til behandling og analyse af digitale billeder, afhængigt af billedtypen (matrix eller vektor), domænet (rumligt eller frekvens), formålet ( korrektion, filtrering, segmentering, kantdetektion, formgenkendelse osv. ) og niveauet (lavt niveau, mellemniveau eller højt niveau).
Behandling og analyse af rasterbilleder
Behandling og analyse af rasterbilleder kan udføres i to forskellige domæner: det rumlige domæne og frekvensdomænet.
Rumdomænet
Det rumlige domæne svarer til det domæne, hvor pixels er arrangeret efter deres position i billedet . Behandlingen og analysen af rasterbilleder i det rumlige domæne består i at anvende operationer direkte på pixelværdierne uden at gå igennem en forudgående transformation . Disse operationer kan være af forskellige typer, såsom:
- Korrektion , som har til formål at forbedre billedkvaliteten ved at ændre parametre som lysstyrke, kontrast, farvebalance osv
- Filtrering , som har til formål at reducere støj eller fremhæve bestemte detaljer i billedet ved at bruge masker eller filtre, der ændrer pixelværdier baseret på deres naboer.
- Segmentering , som har til formål at opdele billedet i homogene eller meningsfulde områder efter kriterier som farve, tekstur, intensitet osv.
- Kantdetektion , som har til formål at identificere grænser mellem billedområder ved hjælp af operatorer, der beregner gradienten eller variationen i pixelintensitet.
- Mønstergenkendelse , som har til formål at identificere og klassificere objekter i billedet ved hjælp af teknikker som mønstersammenligning, funktionsbeskrivelse, maskinlæring osv.
Frekvensdomænet
Frekvensdomænet svarer til det domæne, hvori pixels er arrangeret efter deres frekvens eller deres periodicitet i billedet. Behandling og analyse af rasterbilleder i frekvensdomænet involverer anvendelse af operationer efter transformation af billedet fra det rumlige domæne til frekvensdomænet. Denne transformation gør det muligt at repræsentere billedet som en sum af sinusformede funktioner af forskellige frekvenser og amplituder. Lavfrekvente sinusfunktioner svarer til overordnede variationer i billedet, mens højfrekvente sinusfunktioner svarer til fine billeddetaljer. Operationer i frekvensdomænet kan være af forskellige typer, såsom:
- Kompression , som har til formål at reducere filstørrelsen ved at eliminere sinusformede funktioner, som har ringe indflydelse på den visuelle opfattelse af billedet.
- Filtrering , som har til formål at reducere støj eller fremhæve visse detaljer i billedet ved at bruge filtre, som modificerer amplituderne af de sinusformede funktioner i henhold til deres frekvens.
- Restoration , som har til formål at forbedre billedkvaliteten ved at korrigere forvrængninger forårsaget af sensoren eller digital-til-analog-konverteren.
- Mønstergenkendelse , som har til formål at identificere og klassificere objekter, der er til stede i billedet ved hjælp af teknikker som krydskorrelation, Hough-transformation, wavelet-transformation osv.
Behandling og analyse af vektorbilleder
Behandlingen og analysen af vektorbilleder består i at anvende operationer på de geometriske objekter, der udgør billedet. Disse operationer kan være af forskellige typer, såsom:
- Geometrisk transformation , som har til formål at ændre positionen, størrelsen, orienteringen eller formen af geometriske objekter ved hjælp af matricer eller matematiske funktioner.
- Farvelægning , som har til formål at ændre farven eller fyldningen af geometriske objekter ved hjælp af attributter eller gradienter.
- Skabelsen af komplekse objekter , som har til formål at kombinere flere simple geometriske objekter ved hjælp af boolske operationer (forening, skæring, forskel osv.) eller deformationsoperationer (krumning, vridning osv.).
- Rasterization , som har til formål at konvertere et vektorbillede til et rasterbillede ved at beregne de pixelværdier, der svarer til geometriske objekter.
- Vectorization , som har til formål at konvertere et rasterbillede til et vektorbillede ved at detektere billedets konturer og områder og tilnærme dem med geometriske objekter.
Hvad er de vigtigste anvendelsesområder for computational imaging?
Computerbilleddannelse har mange applikationer inden for forskellige områder, som kan grupperes i tre brede kategorier: skabelse, kommunikation og forståelse af digitale billeder .
Oprettelse af digitale billeder
Digital billedskabelse består i at producere originale billeder eller modificere eksisterende billeder til kunstneriske, rekreative eller uddannelsesmæssige formål. Anvendelsesområder for digital billedoprettelse omfatter:
- Billedsyntese , som involverer generering af billeder fra matematiske modeller eller digitale data, ved hjælp af teknikker som ray tracing, ikke-fotorealistisk gengivelse, procedureel generering osv.
- Virtual reality , som består i at skabe og simulere et fordybende og interaktivt miljø, hvori brugeren kan bevæge sig og agere, ved hjælp af enheder som virtual reality-headset, datahandske, løbebånd mv.
- Augmented reality , som består i at overlejre virtuelle elementer på et rigtigt billede, ved at bruge enheder som smartphones, tablets, tilsluttede briller osv.
- 3D-modellering , som består i at skabe og manipulere tredimensionelle objekter fra geometriske primitiver eller punktskyer ved hjælp af software som Blender, Maya, SketchUp osv.
- Videoredigering , som involverer samling, klipning, ændring eller tilføjelse af effekter til videosekvenser ved hjælp af software som Adobe Premiere Pro, Final Cut Pro, iMovie osv.
- Videospil , som består i at skabe og spille interaktive og sjove scenarier, hvor spilleren styrer en eller flere karakterer eller objekter, ved hjælp af platforme som spillekonsollen, computeren, smartphonen osv.
Digital billedkommunikation
Digital billedkommunikation består i at overføre eller formidle billeder gennem forskellige medier eller netværk til informations-, reklame- eller sociale formål. Anvendelsesområderne for digital billedkommunikation omfatter:
- Komprimering i at reducere størrelsen af billedfiler ved at eliminere overflødig eller knap mærkbar information for at lette deres lagring eller transmission.
- Kryptografi , som involverer beskyttelse af billeder mod uautoriseret adgang eller ondsindet modifikation ved hjælp af teknikker som kryptering, digital vandmærkning, digital signering osv
- Indholdsbaseret billedsøgning , som består i at finde billeder, der ligner eller er relevante for en tekstuel eller visuel forespørgsel, ved hjælp af teknikker som visuel funktionsudtrækning , søgeordsindeksering, lighedsvisuel, rangering efter relevans osv.
- Ansigtsgenkendelse , som involverer identifikation eller verificering af en persons identitet ud fra deres ansigt, ved hjælp af teknikker som feature point detection, mønstersammenligning, deep learning osv.
- Sociale netværk , som består i at dele eller kommentere billeder med andre brugere, ved at bruge platforme som Facebook, Instagram, Snapchat osv.
Forstå digitale billeder
billedforståelse involverer at analysere eller fortolke billeder til videnskabelige, medicinske eller industrielle formål. Anvendelsesområderne til at forstå digitale billeder omfatter:
- Computervision , som involverer simulering af menneskelig visuel perception og udtrækning af semantisk eller geometrisk information fra billeder ved hjælp af teknikker som semantisk segmentering, objektdetektering, bevægelsessporing, 3D-rekonstruktion osv.
- Medicinsk billeddannelse , som involverer produktion eller analyse af billeder af den menneskelige krop til diagnostiske eller behandlingsformål, ved hjælp af teknikker som radiografi, ultralyd, MR, tomografi osv .
- Videnskabelig billeddannelse , som involverer fremstilling eller analyse af billeder af naturlige eller kunstige fænomener til forsknings- eller udforskningsformål, ved hjælp af teknikker som mikroskopi, spektroskopi, fjernmåling, astrofotografi osv.
- Industriel billeddannelse , som involverer produktion eller analyse af billeder af industrielle produkter eller processer til kvalitetskontrol eller sikkerhedsformål, ved hjælp af teknikker som maskinsyn, ikke-destruktiv testning, infrarød termografi osv.
Konklusion
Computational imaging er et spændende og udviklende felt , som giver mange muligheder for at skabe, kommunikere og forstå digitale billeder. Uanset om det er til underholdning, information eller videnskab, computerbilleddannelse det muligt at producere og manipulere billeder af uovertruffen kvalitet og rigdom. Computerbilleddannelse udgør dog også udfordringer og etiske spørgsmål, såsom respekt for privatlivets fred, ophavsret eller billeders rigtighed. Det er derfor vigtigt at træne i principperne og teknikkerne for computerbilleddannelse, men også at udvikle et kritisk og ansvarligt mindset, når man beskæftiger sig med digitale billeder. Business intelligence , for eksempel, er en af de discipliner, der er afhængig af computational imaging til at analysere og visualisere komplekse og store data, for at hjælpe med beslutningstagning inden for forskellige anvendelsesområder.
