پروژه آموزشی آماده پردازش تصویر با متلب

پروژه آماده پردازش تصویر با متلب:

در پروژه آماده پردازش تصویر با متلب توصیحات کلی به همراه جزئیات و آوردن تصاویر و کدهای فراوان از محیط نرم افزار متلب قرار داده شده است.

به همراه پروژه 3 فایل متلب به نامهای boardcode.m و pcbdefect.m و madar.mat وجود دارد.

پردازش تصویر:

پردازش تصویر ابزاری قدرتمند برای تحلیل تصویر و دینویزینگ تصویر میباشد. متلب نرم افزاری قدرتمند در جهت تحلیل ماتریس های چند بعدی و دو بعدی از جمله تصاویر است. تولباکس پردازش تصویر در متلب مجموعه ای از توابع برای تحلیل های عددی بر روی تصاویر میباشند. این توابع کار نوشتن برنامه پردازش تصویر را اسان کرده است. در این قسمت بخشی از مطالب پایه پردازش تصویر در متلب بیان میگردد.

نمایش تصویر:

تصاویر دو بعدی متشکل از دو مشخصه شدت (intensity  ) و مختصات تصویر است به عبارت تصویر در سطح خاکستری(Gray level ) به شدت تصویر تک رنگ گویند. تصاویر رنگی از ترکیب چند تصویر منفرد تولید میشود. برای مثال در تصاویر RGB ترکیبی از سه تصویر تک رنگ نخستین است که به آن رنگ قرمز رنگ سبز و آبی میباشد. به همین دلیل تکنیک های که بر روی تصاویر تک رنگ انجام میشوند میتوانند بر روی اجزای تک رنگ تصاویر رنگی به صورت منفرد انجام گیرد.

هر المان در ماتریس تصویر به عنوان پیکسل یا المان تصویر نامیده میشود و یک تصویر به صورت ماتریس زیر نمایش داده میشود:

آشنایی کلی با محیط متلب:

محیط متلب به چند قسمت زیر تقسیم میشود:

– Command window

– Workspace

– Command history

– Current folder

خواندن تصاویر :

در متلب برای خوندن تصویر از تابع imread  استفاده میشود و طریقه نوشتن کد آن به صورت زیر است:

>> imread (‘filename’)

filename رشته ایست که به صورت زیر میاید:

>>f=imread(‘chest.jpg’);

که در ان تصویر chest با فورمت JPEG را در ماتریس f میریزد. میتوان مسیر فایل تصویر را نیز در مقابل تابع قرار دهیم.

>> f=imread(‘D:imageschest.jpg’);

>> f=imread(‘.imageschest.jpg’);

مقدار سطر ها و ستون های هر ماتریس را با دستور زیر بدست میاوریم :

>> size(f)

ans=

    243 20

این به این معنایت که این ماتریس ۲۴۳ سطر و ۲۰ ستون دارد .

در یک ماتریس و عکس K بعدی داریم :

و اگر ماتریس ما دو بعدی باشد خواهیم داشت :

>>[M,N]=size(f);

و همچنین اگر فقط به سطر ماتریس f نیاز داشته باشیم خواهیم داشت:

>>M=size(f,1);

تابعی برای نمایش اطلاعاتی درباره ماتریس وجود دارد که به صورت زیر است :

>>whos f

میدهد:

Name Size Bytes Class Attributes
f 243×20 1048576 uint8

از دستورlength   نیز میتوان استفاده نمود که در این دستور تعداد سطر و ستون ها با هم مقایسه و انکه بزرگتر است در خروجی نشان میدهد.مانند مثال زیر:

A=[1 2 3;4 5 6]
B=length(A)

فیلتر Low Pass :

اولین فیلتر ما در مورد صحبت میکنیم فیلترهای پایین گذر هستند.این فیلتر محدوده فرکانس بالا را در فیلتر حذف میکند. بعضی اوقات میتواند برای از بین بردن نویز ناخواسته تصویر کاربرد داشته باشد. اما این فیلتر بین نویز و لبه تصویر اشیا در تصویر اصلی تفاوتی قائل نیست و تصویر را در جاهایی که در تصویر اولیه نرم وصاف نیست صاف میکند. در این مثال انجام فیلتر پایین گذر بر روی تصویر ذخیره شده در متلب است که هدف ان از بین بردن نویزهای موجود در تصویر است.

u=imnoise(y,’salt & pepper’,0.02);

figure, imshow(u)

h=fspecial(‘gaussian’,[3 3],0.5);

g=imfilter(u,h);

figure, imshow(g)

k=[1 1 1;

    1 1 1;

    1 1 1]/9;

f=imfilter(u,k);

figure, imshow(f)