Applicazioni e utilizzo
Poiché l'elaborazione delle immagini digitali ha applicazioni molto ampie e quasi tutti i campi tecnici sono influenzati dal DIP, ci limiteremo a discutere alcune delle principali applicazioni di DIP.
L'elaborazione delle immagini digitali non si limita solo a regolare la risoluzione spaziale delle immagini quotidiane catturate dalla fotocamera. Non si limita solo ad aumentare la luminosità della foto, ecc. Piuttosto è molto di più.
Le onde elettromagnetiche possono essere pensate come un flusso di particelle, in cui ogni particella si muove alla velocità della luce. Ogni particella contiene un fascio di energia. Questo fascio di energia è chiamato fotone.
Di seguito è mostrato lo spettro elettromagnetico in base all'energia del fotone.
In questo spettro elettromagnetico, siamo in grado di vedere solo lo spettro visibile. Lo spettro visibile include principalmente sette diversi colori che vengono comunemente definiti come (VIBGOYR). VIBGOYR sta per viola, indaco, blu, verde, arancione, giallo e rosso.
Ma ciò non annulla l'esistenza di altre cose nello spettro. Il nostro occhio umano può vedere solo la parte visibile, in cui abbiamo visto tutti gli oggetti. Ma una telecamera può vedere le altre cose che un occhio nudo non è in grado di vedere. Ad esempio: raggi X, raggi gamma, ecc. Quindi anche l'analisi di tutte queste cose viene eseguita nell'elaborazione delle immagini digitali.
Questa discussione porta a un'altra domanda che è
perché dobbiamo analizzare anche tutte quelle altre cose nello spettro EM?
La risposta a questa domanda sta nel fatto, perché quell'altra roba come XRay è stata ampiamente utilizzata in campo medico. L'analisi del raggio gamma è necessaria perché ampiamente utilizzata nella medicina nucleare e nell'osservazione astronomica. Lo stesso vale per il resto delle cose nello spettro EM.
Applicazioni dell'elaborazione digitale delle immagini
Di seguito sono menzionati alcuni dei principali campi in cui l'elaborazione delle immagini digitali è ampiamente utilizzata
Affilatura e restauro delle immagini
Campo medico
Rilevamento remoto
Trasmissione e codifica
Visione macchina / robot
Elaborazione del colore
Riconoscimento di modelli
Elaborazione video
Imaging microscopico
Others
Affilatura e restauro delle immagini
La nitidezza e il ripristino delle immagini si riferiscono qui all'elaborazione delle immagini che sono state catturate dalla fotocamera moderna per renderle un'immagine migliore o per manipolare quelle immagini in modo da ottenere il risultato desiderato. Si riferisce a fare ciò che fa normalmente Photoshop.
Ciò include zoom, sfocatura, nitidezza, conversione della scala di grigi in colore, rilevamento dei bordi e viceversa, recupero delle immagini e riconoscimento delle immagini. Gli esempi comuni sono:
L'immagine originale
L'immagine ingrandita
Immagine sfocata
Immagine nitida
Bordi
Campo medico
Le applicazioni comuni del DIP nel campo della medicina è
Imaging a raggi gamma
Scansione animale
Imaging a raggi X.
TC medica
Immagini UV
Immagini UV
Nel campo del telerilevamento, l'area della terra viene scansionata da un satellite o da un'altura e poi viene analizzata per ottenere informazioni su di essa. Una particolare applicazione dell'elaborazione delle immagini digitali nel campo del telerilevamento è quella di rilevare i danni alle infrastrutture causati da un terremoto.
Poiché ci vuole più tempo per afferrare il danno, anche se ci si concentra sui danni gravi. Poiché l'area interessata dal terremoto è a volte così ampia, non è possibile esaminarla con occhio umano per stimare i danni. Anche se lo è, è una procedura molto frenetica e richiede tempo. Quindi una soluzione a questo problema si trova nell'elaborazione delle immagini digitali. Un'immagine della zona interessata viene catturata da fuori terra e poi analizzata per rilevare i vari tipi di danni causati dal terremoto.
I passaggi chiave inclusi nell'analisi sono
L'estrazione dei bordi
Analisi e valorizzazione di varie tipologie di bordi
Trasmissione e codifica
La primissima immagine che è stata trasmessa via cavo è stata da Londra a New York tramite un cavo sottomarino. L'immagine che è stata inviata è mostrata di seguito.
La foto inviata ha impiegato tre ore per arrivare da un luogo all'altro.
Ora immagina che oggi siamo in grado di vedere feed video in diretta o riprese cctv in diretta da un continente all'altro con un ritardo di pochi secondi. Significa che anche in questo campo è stato fatto molto lavoro. Questo campo non si concentra solo sulla trasmissione, ma anche sulla codifica. Sono stati sviluppati molti formati diversi per larghezza di banda alta o bassa per codificare le foto e quindi trasmetterle in streaming su Internet o ecc
Visione macchina / robot
A parte le molte sfide che un robot deve affrontare oggi, una delle sfide più grandi è ancora quella di aumentare la visione del robot. Rendere il robot in grado di vedere le cose, identificarle, identificare gli ostacoli, ecc. Molto lavoro è stato contribuito da questo campo ed è stato introdotto un altro campo completo della visione artificiale per lavorarci.
Rilevamento degli ostacoli
Il rilevamento degli ostacoli è uno dei compiti comuni che è stato svolto attraverso l'elaborazione delle immagini, identificando diversi tipi di oggetti nell'immagine e quindi calcolando la distanza tra il robot e gli ostacoli.
Robot inseguitore di linea
La maggior parte dei robot oggi lavora seguendo la linea e quindi sono chiamati robot follower di linea. Questo aiuta un robot a muoversi sul suo percorso ed eseguire alcune attività. Ciò è stato ottenuto anche attraverso l'elaborazione delle immagini.
Elaborazione del colore
L'elaborazione del colore include l'elaborazione di immagini colorate e diversi spazi colore utilizzati. Ad esempio modello di colore RGB, YCbCr, HSV. Comprende anche lo studio della trasmissione, della memorizzazione e della codifica di queste immagini a colori.
Riconoscimento di modelli
Il riconoscimento dei modelli implica lo studio dall'elaborazione delle immagini e da vari altri campi che include l'apprendimento automatico (un ramo dell'intelligenza artificiale). Nel riconoscimento di modelli, l'elaborazione delle immagini viene utilizzata per identificare gli oggetti in un'immagine e quindi l'apprendimento automatico viene utilizzato per addestrare il sistema per il cambio di modello. Il riconoscimento del modello viene utilizzato nella diagnosi assistita da computer, nel riconoscimento della grafia, nel riconoscimento delle immagini, ecc
Elaborazione video
Un video non è altro che il movimento molto veloce delle immagini. La qualità del video dipende dal numero di fotogrammi / immagini al minuto e dalla qualità di ogni fotogramma utilizzato. L'elaborazione video comprende la riduzione del rumore, il miglioramento dei dettagli, il rilevamento del movimento, la conversione della frequenza dei fotogrammi, la conversione delle proporzioni, la conversione dello spazio colore, ecc