پردازش تصویر - میانگین گیری از تصاویر

تحقیقات

کنفرانس ها

درباره ما

پردازش تصویر

پردازش سیگنال

هوش محاسباتی

هوش مصنوعی

.:	مقدمه
>>	تعریف تصویر دیجیتالی
>>	تصویر حاکستری
>>	تفریق دو تصویر
>>	جمع دو تصویر
>>	مکمل کردن تصویر
>>	میانگین گیری از تصویر
>>	پردازش هیستوگرام تصویر
>>	ارتقاء تصویر و عملگر کانولوشن
>>	تعریف عمل فیلتر کردن
>>	فیلترهای آرام کننده حوزه مکانی
>>	فیلترهای تیز کننده حوزه مکانی
>>	عملگرهای مجموعه ای
>>	گسترش باینری مورفولوژیکی
>>	سایش باینری مورفولوژیکی
>>	بستن و باز کردن مورفولوژیکی
>>	استخراج اسکلت تصویر باینری

میانگین گیری از تصویر
فرض کنید چند تصویر یکسان داریم که بر روی هرکدام از آنها نویزهای مختلفی وجود دارد و می خواهیم کیفیت این تصاویر را ارتقا دهیم. در چنین مواردی می توان از میانگن گیری از همه تصاویر استفاده کنیم . بدین صورت که مقادیر پیکسل های متناظر در همه تصاویر را باهم جمع کرده و سپس به تعداد کل تصاویر تقسیم کنیم. بدیهی است که هرقدر تعداد تصاویر برای میانگین گیری بیشتر باشد ، تصویر حاصل از میانگین گیری آنها نیز بیشتر به واقعیت نزدیک خواهد بود. به عنوان مثال مجموعه تصاویر زیر، تصویر بدون نویز ، تصاویر نویز دار و حاصل میانگین تیری از تصاویر نویز را نشان می دهد:

تصویر نویزدار

تصویر بدون نویز

میانگین تصاویر نویزدار

شبه کد زیر نحوه پیاده سازی عملگر میانگین را نشان می دهد :

                            Procedure Average( bmp1 , bmp2 :Image)
                            
                            Begin
                            
  Result:Image
                            
  For 1 To Height Do
                            
    For 1 To Width Do
                            
      Result.Pixels[ i , j] = ( bmp1.Pixels[ i , j ] + bmp2.Pixels[ i , j ] ) /2
                            
    End For
                            
  End For
                            
                            End

هنگام تفریق مقادیر پیکس ها ، مقادیر منفی را به مقدار صفر تبدیل می کنیم . همچنینی می توانیم هنگام تفرق از قدرمطلق تفریق نیز استفاده کنیم. به عنوان یک مثال کاربردی از تفریق دو تصویر می توان به شناسایی حرکت در سیستم های دوربین مدار بسته اشاره کرد. زمانی می گوییم حرکت رخ داده است که در بین دو فریم متوالی گرفته شده از دوربین اختلاف وجود داشته باشد. و همانطور که در ابتدا یادآور شدیم، برای محاسبه اختلاف بین دو تصویر از عملگر تفریق استفاده می کنیم. بنابراین با تفریق فریم فعلی و فریم قبلی گرفته شده از دوربین می توانیم اختلاف موجود در دو تصویر را پیدا کنیم. از دیگر کاربردهای تفریق دو تصویر می توان به حذف پشت زمینه ثابت از تصویر اشاره کرد.

پردازش تصویر در MATLAB :
برای میانگین گیری از تصویر در محیط MALTAB به صورت زیر می توان عمل کرد :

>> im = imread('cameraman.tif');
>> imshow(im);
>> im1 = imread('rice.png');
>> imshow(im1);
>> imAvg = imadd(im,im1) ./ 2;
>> imshow(imAvg);