Images Types in MATLAB
قدم اول در پردازش تصاویر دیجیتال، اکتساب تصویر(Image Acquisition) و تبدیل تصاویر آنالوگ به دیجیتال است. در گام بعدی نیاز به شناخت انواع تصاویر در متلب است. این مرحله یکی از مراحل پیش پردازش(Preprocessing) محسوب می شود و کاربرد آن در شناخت فرمت مناسب برای ذخیره تصویر برای پردازش سریعتر و با حجم کمتر است. در این قسمت به معرفی چهار نوع متداول تصویر پرداخته می شود.
- تصاویر تمام رنگی یا RGB:
از ترکیب سه نور اصلی قرمز، آبی و زرد، نور سفید ایجاد می شود. از ترکیب این سه نور در شدت های مختلف، نورهای رنگی دیگر ایجاد می گردد. با استفاده از روش های استاندارد ارائه شده در مبحث فیزیک رنگ می توان شدت نورها و رنگ های ایجاد شده را به صورت کمّی (عددی) بیان کرد.
در این نوع از تصاویر، عکس رنگی با مختصات سه بعدی آن پردازش می شود. به این صورت که هر رنگ، با سه مؤلفه (R, G, B) شناخته می گردد و متناسب با شدت هر مؤلفه، عددی بین 0 تا 255 به آن تعلق می گیرد. به بیان دیگر به ازای هر پیکسل رنگی، 3 عدد بین0 تا 255 تعریف می شود که این اعداد معرف شدت هر یک از رنگ های قرمز، سبز و آبی هستند. به طور مثال رنگی که با مختصات سه بعدی (140، 10، 35) مشخص می شود، رنگی است که شدت نور قرمز، سبز و آبی در آن به ترتیب برابر با 35، 10 و 140 است.
در متلب، مختصات هر پیکسل به صورت یک ماتریس m*n گزارش می شود و چون در این نوع از تصاویر، هر پیکسل سه ستون رنگی هم دارد، مختصات به حالت m*n*3 تبدیل می شود.
پردازش این تصاویر زمان بر است. بنابراین معمولاً تصویر رنگی به انواع دیگر تصویر مانند تصویر شاخص دار یا Index تبدیل می شود.
2. تصاویر خاکستری یا Grayscale (Intensity) Images:
سطوح روشنایی از صفر برای سیاه تا 255 برای سفید، متغیر است. به این ترتیب بین این دو مقدار، مجموعه ای از تصاویر خاکستری وجود دارد. در این نوع از تصاویر، مختصات هر پیکسل به صورت m*n گزارش می شود و مقداری بین 0 تا 255 دارد که نشان دهنده میزان روشنایی آن پیکسل است.
این نوع تصویر بسیار پرکاربرد است. تصاویر اشعه ایکس از رایج ترین نوع تصاویر خاکستری است.
3. تصاویر دو-دویی یا Binary Images:
در این نوع از تصاویر، هر پیکسل یا سیاه است و یا سفید. یعنی مقدار متناظر با هر پیکسل یا صفر است و یا 1. به همین دلیل فضای ذخیره سازی کمی نیز احتیاج دارد.
این تصاویر از دستوراتlogical پیروی می کند. دستور logical در متلب (MATLAB)، برای تبدیل مقادیر عددی به مقادیر منطقی یعنی 0 و 1، به کار می رود. به این ترتیب که یک مرز یا اصطلاحاً )تری شلد) تعریف می شود تا مثلاً به ازای قسمت های سفید عدد 1 و در غیر اینصورت عدد 0 گزارش گردد.
گاهی برای مشخص کردن تصاویر باینری از علامت BW نیز استفاده می گردد.
4. تصاویر شاخص دار یا Indexed Images:
برای ساده تر شدن پردازش و کم حجم شدن عکس، از تصاویر شاخص دار استفاده می گردد. در این حالت، برای هر عکس، دو ماتریس گزارش می شود: یک ماتریس m*n که جایگاه و موقعیت هر پیکسل را در عکس تعیین می کند و ماتریس دوم map یا نقشه رنگ نام دارد که بیانگر سطوح خاکستری یا نمایش رنگی تصویر است. در کدهای متلب با حالت [X,map] نمایش داده می شود که X مختصات پیکسل و Map اطلاعات رنگی پیکسل است.
الف. تبدیل تصویر خاکستری به شاخص دار:
ابتدا سطوح خاکستری عکس شناسایی می شود و بنا به مقادیر روشنایی آنها از صفر تا 255 مرتب می گردد (تصویر الف). سپس به هرسطح روشنایی، شاخصی (Index) نسبت داده می شود (تصویر ب). در مرحله بعد تصویر اولیه با مقادیر ایندکس شده سطوح خاکستری گزارش می گردد (تصویر ج). به این ترتیب مقدار هر پیکسل، به مقداری برابر با شاخص خاص آن سطح خاکستری تغییر می یابد.
ب. تبدیل تصویر رنگی به شاخص دار:
در شاخص دار کردن تصویر رنگی، به تعداد تمام رنگ های به کار رفته در تصویر، شاخص تعیین می گردد؛ مثلاً اگر در یک تصویر 37 رنگ مختلف وجود دارد، به هر رنگ یک ایندکس نسبت داده می شود؛ یعنی در مجموع 37 شاخص مختلف وجود دارد (تصویر ب). در مرحله بعد تصویر اولیه با شاخص های تعیین شده، گزارش می شود (تصویر ج).
لازم به ذکر است که همه انواع تصویر قابل تبدیل به یکدیگر هستند. مثلاً می توان تصویر باینری یا خاکستری را با اضافه کردن یک نقشه رنگ، به تصاویر رنگی تبدیل کرد.
گردآوری و تنظیم: فائزه مولا
مطالب بیشتر